经验模式分解与Hilbert谱的分析及应用

为了验证经验模式分解与Hilbert谱分析的有效性,首先,引出它的概念,指出它在时频变换领域的优点;然后,对其进行了详细阐述,包括瞬时频率求解、经验模式分解过程及Hilbert谱绘制;接着,提出了经验模式分解过程中边缘处理和内在模准则确定问题,并给出了解决方法;最后,用Duffing方程平均频率验证和压电智能结构中压电片局部脱胶试验2个实例对该方法进行了理论和试验验证,结果表明:经验模式分解与Hilbert谱是一种有效的时频信号分析方法。     

校正谱分析在导引头抗干扰中的应用

干扰弹载雷达速度跟踪系统的一种常用方法是速度波门拖引。文中针对速度欺骗信号的特点，提出了对抗这种干扰的校正谱分析方法。文中利用时频分布分析了校正谱分析的原理，给出了一种运用ＴＭＳ３２０Ｃ３０和ＴＭＣ２３１０的实现方法，并探讨了其中的一些关键问题。     

GIS局部放电信号的联合时频分析

该文通过EMIP—ATP仿真软件，模拟计算了GIS局部放电信号在一个线路间档上的传播情况，为实际GIS局部放电的检测和定位提供了一个理论依据。并把联合时频分析方法应用到GIS局部放电信号的分析与处理上，取得了良好的效果。     

关于CBP算法的一种新型滤波函数和它的性质

用卷积反投影(CBP)算法作CT重建,滤波函数是关键.本文建议一种新型滤波函数,给出了用它作CT重建的误差估计,分析了该滤波函数的时频特性,并用来作局部重建.模拟和实测数据的数字实验表明其在保证空间分辨率的同时能较好地克服Gibbs效应.     

基于宽频激励的管型结构导波检测

在对管型结构的导波检测过程中,需要预先选定导波模态,并确定激励频率,这个选择的过程存在一定的盲目性,而在多次反复试验中确定最佳激励模态和频率也会带来精力、时间、硬件资源的耗费问题。介绍一种信号处理方法,在宽频信号作为激励产生响应的基础上,采用该算法可获得其频带范围内任意单频激励信号对应的响应,有效解决了预先选定模态及频率的问题。同时,引入时频分析技术,根据缺陷反射回波能量的分布情况快速确定具有低模态转换响应的导波频率区间。通过对比各频率计算结果的模态和缺陷反射信号幅值,发现缺陷管中理想的激励导波频率在140~180 kHz,且缺陷反射回波幅值随激励信号周期增加而增加,但这种特点在低频表现得不明显。这为根据管中缺陷大小及类型,选择不同激励频率和周期提供了理论依据。     

基于小波包变换与FFT相结合的电网谐波检测方法

针对电网中存在的稳态以及暂态谐波污染,提出了小波包变换与快速傅里叶变换相结合的检测方法。通过小波包变换,把系统中的谐波信号分解到各对应的频带当中,依据所得频带的波形来确定谐波扰动发生的起止时刻,并结合快速傅里叶变换突出的幅频分析能力,确定系统谐波的相位、幅值、频率以及谐波的时域信息。通过仿真验证了方法的可行性,同时表明方法可以准确对稳态以及暂态谐波信号中的时频特性进行分析。     

虚拟式多功能时频分析系统的研究与开发

介绍了典型的时频分析方法及所研发的虚拟式多功能时频分析系统。该仪器系统功能十分强大,主要包括:零相位数字滤波、短时付氏变换、多分辨时频分析、魏格纳分布、乔伊威廉斯分布、小波和小波包阈值滤波、二进小波及小波包正交分解、连续小波变换等。文中逐一介绍各主要功能的基本原理。给出了仪器的开发、设计、仿真及其应用实例。值得一提的是,在分析极大极小尺度共存信号时,作者所提出的多分辨时频分析方法比其它经典时频分析方法有明显的优势。     

频率切片小波变换在爆破振动信号时频特征精确提取中应用

基于频率切片小波变换(Frequency Slice Wavelet Transform, FSWT)技术研究爆破振动信号时频特征提取新方法。采用FSWT进行爆破振动信号分解，得到在全频带下的时频分布。在此基础上据其时频能量分布，选择时间、频率切片区间进行细化特征分析，通过信号特征频率切片区间信号重构，实现爆破振动时频特征分离及提取。通过与传统的STFT、WPT、WVD等算法进行对比分析表明，FSWT算法具有良好的时频聚集性、任意频带分量特征提取的灵活性及准确性。将FSWT算法引入爆破振动效应分析领域，可为爆破振动信号时频特征精确提取奠定基础，具应用前景较好。     

同频段混合信号中的无人机信号盲检测识别

无人机信号的探测识别技术是应对无人机黑飞滥用的关键技术之一。在实际信号监测环境中，经常会接收到多个信号的混合信号，它们在时域和频域上混叠且各信号分量调制样式相同。为解决在同频段混合信号中检测识别出无人机信号的问题，提出了一种通过谱特征分析判断无人机信号存在性的方法。分别采用基于二次方谱特征的无人机图传和WiFi混合信号检测识别算法以及基于频谱带宽特征的多无人机混合信号检测识别算法，通过对射频电路采集的信号进行仿真验证，实现了从同频段混合信号中检测识别出无人机信号分量。理论分析和实验测试结果证实了所提检测识别算法的有效性。