时频面上基于瞬频估计的信号提取方法

针对多分量非平稳信号的噪声抑制和信号分离问题,提出了一种新的时频滤波法.采用FMmlet自适应分解将被分析信号在时频空间内展开,得到无交叉项干扰、时频聚集性很强,且能反映信号的线性或非线性结构的时频特性的时频分布.根据时频面内能量脊与瞬时频率的对应关系,采用谱峰检测和时频加窗轮流迭代的方法,估计出信号分量的瞬时频率.在瞬时频率精确估计的基础上,设计适当的时频滤波函数,对被分析信号的Wigner-Ville分布(WVD)进行时频加窗处理,得到单分量信号的修正WVD,然后采用 WVD反变换进行信号分量的时域重构,达到从非平稳信号中分离有用分量的目的.理论分析和仿真实验表明,利用该方法从复杂非线性时变信号中提取出的信号分量失真度小.该方法在非平稳信号的深层特征提取中具有良好的应用前景.     

基于Wigner-Ville分布与小波尺度谱融合的时频特征提取方法

时频分布提供了信号特征在时间域和频率域的联合分部信息。作为两种典型的时频分布表示方法,Wigner-Ville分布(WVD)和尺度谱都存在的缺陷,体现在WVD存在严重的交叉项,尺度谱时频聚集性差。本文在WVD和尺度谱的基础上提出了一种以消除交叉项和保持高分辨率为目的的时频特征融合算法。仿真分析验证了该算法能够有效抑制交叉项,可以很好的保持时频分辨率,且抑制了弱噪声对于时频特征的干扰。通过仿真信号的分析将该算法与Cohen类时频分析方法进行比较,验证了其在时频特征表示方面的优越性。将时频融合算法应用于轴承振动信号的时频表示,结果表明该方法能基本消除时频特征表示中的交叉项且保持了较高的时频分辨率,验证了算法在信号特征表示方面的有效性。     

基于Gabor展开的Wigner-Ville分布的交叉项消除

Wigner-Ville分布(WVD)具有最好的时频分辨率,但其固有的交叉项问题限制了其应用.根据旋转机械振动信号分析中的多分量非平稳信号的频率成分均与基频成倍数(阶比)关系,提出应用基于离散Gabor变换的迭代时变滤波和对Gabor系数的选择遮掩提取出感兴趣的各单阶分量,先分别计算各单阶分量的WVD,再将各单阶分量的WVD合并,可得到无交叉项的WVD时频谱图.仿真及实际测试试验结果表明,该方法可有效去除旋转机械多分量非平稳信号WVD分析中的交叉项干扰.     

基于经验模式分解的时频重排方法及其应用

重排方法通过将代表信号局部能量分布的几何中心重排到其质量中心,从而提高时频表示的聚集性和可读性,但是并没有完全消除交叉项.在此,将经验模式分解算法引入重排方法中,用于抑制重排方法在分析多分量信号时出现的交叉项.利用经验模式分解,首先将待分析的非平稳信号分解成有限个基本模式分量,它具有单分量信号的性质.对这些基本模式分量进行重排处理后的时频表示,具有良好的时频聚集性且交叉项被消除.通过对测试的柴油机爆燃阶段振动信号的重排时频分析,验证了该方法在机械故障特征提取中具有很好的应用潜力.     

基于EMD-Wigner-Ville的内燃机振动时频分析

在分析多分量信号时,WVD交叉项的出现极大干扰了对信号的时频分析,针对现有WVD交叉项抑制方法存在聚集性与交叉项成分抑制相互矛盾的问题,提出了一种基于经验模态分解(EMD)的WVD交叉项抑制方法。该方法首先利用EMD分解方法,将信号分解成相互独立的一系列具有不同特征时间尺度的固有模态函数(IMF),然后运用相关系数法对经验模式分解伪分量进行剔除,再对每个IMF进行Wigner-Ville分析,最后把各个IMF的Wigner-Ville分析结果线性叠加重构原始信号的时频分布。仿真实验结果表明,该方法既能有效抑制时频分布的交叉项,又保证了Wigner-Ville分布的时频聚集性。将EMD-Wigner-Ville应用在内燃机振动时频分析中,两个实例有效地揭示出了内燃机振动信号的特征信息,克服了HHT时频分布、Wigner-Ville时频分布在分析内燃机振动信号时的缺陷,是一种有效的时频分析方法。     

基于最优Morlet小波和自项窗的混合时频分析方法研究

提出一种基于最优Morlet小波和自项窗的混合时频分析方法。对和机械冲击信号波形相似度较高的Morlet小波进行改进,采用交叉验证法和Shannon熵方法设计了改进Morlet小波参数和小波变换尺度,对信号进行连续小波变换(CWT)以实现滤波消噪;然后,设计了自适应自项窗函数,对Wigner-Ville分布(WVD)交叉项进行移除,消除WVD交叉项的干扰。仿真和实验验证了所提出的方法可以有效地对含噪信号进行滤波消噪、并去除WVD中干扰项的影响,提高时频分析的分辨率和能量聚集性。     

基于STFT与WVD的时频分析方法

利用WVD(wigner-Ville Distribution)这一最有效的非平稳信号分析工具,综合STFT(Short Time Fourier Transform)的线性变换特性,将同一输入信号的谱图和WVD变换后的时频图进行融合,充分发挥WVD对非平稳信号的分析能力的同时,能够有效抑制WVD的交叉项影响,该方法不需要信号的先验知识,试用范围广.仿真结果表明该方法有效.     

基于ITD和WVD的旋转机械故障诊断方法

针对Wigner-Ville分布(WVD)分析多分量旋转机械故障振动信号存在交叉项干扰的问题,提出一种基于本征时间尺度分解(ITD)和WVD的旋转机械故障诊断方法.首先利用ITD将原始振动信号分解为若干个合理旋转(PR)分量,然后运用相关系数原则剔除其中的伪分量,再对每个真实的PR分量进行WVD分析,最后将分析结果重构并提取原信号的时频分布特征.仿真分析结果表明:该方法保留了ITD和WVD的优点,同时能有效抑制WVD的交叉项干扰,分析效果优于平滑伪Wigner-Ville分布(PWVD).同时该文给出转子油膜涡动的故障诊断实例,验证了该方法的工程实用性.     

基于Hilbert-Huang时频谱的性能分析研究

针对传统的时频分析方法存在的局限性,评述了一种最新的可适用于非平稳、非线性信号的时频分析法-Hilbert-Huang时频分析方法.研究了Hilbert/Huang时频分析方法的算法理论并对其性能进行了分析.仿真实验中通过与传统的时频分析效果的比较,表明该法具有理想的时频聚集性,并且消除了交叉干扰项,揭示了HHT谱所特有的反映信号局部时频结构的能力.     

调频率自适应匹配线性变换及其对旋转机械故障诊断研究

旋转机械常处于变转速工作状态,因而其振动信号也表现出非平稳性。分析此类非平稳信号时由于受有限的时频分辨率影响,常无法获得理想的时频表示,难以揭示与旋转机械健康状态相关的有用信息。根据单个线性调频变换（LCT）能提升特定时刻时频聚集性这一特点,提出了调频率自适应匹配线性变换（Adaptively MatchingChirp?rate Linear Transform,AMCLT）。利用最大峭度准则指导选取每个时刻合适的调频率,并且只保留与所选调频率相关的时频分布用于构造最终的时频表示;扩展原始线性变换基函数,使所提 AMCLT 方法在无需迭代情况下可同时完成对多分量非线性调频信号的分析。此外,对所提 AMCLT 方法进行了信号重构分析,可实现对信号中目标频率分量的时域信号重构。振动信号处理结果表明,在时频表示的可读性方面,所提方法可得到能量更加集中且不受交叉项干扰的时频表示;在特征提取方面,所提方法可更加准确地提取旋转机械振动信号中的频率特征,可有效应用于旋转机械的故障诊断。     

基于改进的希尔伯特振动分解的机械故障诊断方法研究

针对多分量机械故障振动信号的特征提取问题,介绍一种基于希尔伯特振动分解(HVD)的时频分析方法。该方法首先利用Hilbert变换得到原始振动信号的解析信号,然后通过对解析信号的瞬时频率低通滤波获得信号中幅值最大分量的瞬时频率,同时经同步检测获得相应的瞬时幅值和初相位,最后经过迭代运算自适应地检测出原信号各分量的时频信息。针对HVD方法的边界效应问题,提出一种基于相关系数准则的波形匹配边界延拓法对其进行改进。通过两组仿真信号分析验证了HVD方法对多分量非平稳信号的分解能力,同时表明改进的HVD方法能很好地抑制边界效应。给出转子系统油膜涡动故障诊断实例,验证了该方法的工程实用性。     

重分配谱图和多窗谱在机械故障诊断中的应用

时频重分配能提高时频图的时频聚集性,同时减少交叉项,但具有较大的估计方差。多窗谱分析具有较高的谱估计精度,但时频聚集性较差。将这两种方法结合起来可以进一步提高谱图的可读性。利用重分配谱图和多窗谱相结合的方法对转轴、齿轮箱和轴承故障进行分析,并与重分配谱图比较,表明该方法时频聚集性好,具有更小的估计方差,能有效去除信号中的噪声,消除谱图中的交叉项,可以更好地识别强噪声背景下的机械故障。     

一种基于多尺度线调频基的稀疏信号分解方法

在线调频小波路径追踪算法和稀疏信号分解的基础上,提出了一种基于多尺度线调频基的稀疏信号分解方法.该方法采用多尺度的线调频基函数对信号进行投影分解,通过从不同的时间支撑区内投影系数最大的的基函数集合中寻找出使分解信号能量最大的基函数组合,逐次获得分析信号中能量最大的信号分量.该方法可以有效地分解出频率变化呈线性或曲线型的多分量信号,且不存在二次型时频分布的干扰成分,具有良好的时频聚集性和较高的频率拟合精度,非常适用于机械振动非平稳信号的分解.将该方法与EMD方法进行了比较,验证了方法的有效性.     

基于双线性时间-频率分布的瞬时信号探测技术

针对复杂背景条件下瞬时信号的探测,提出一种新的无混叠双线性时间-频率分布方法,该方法能够避免常用的双线性时频分布中的频率混叠与信息丢失,有效减小交叉项干扰,而且具有较高的时频分辨率.通过数字模拟实验与齿轮箱故障信号检测,验证了新的双线性时间-频率分布对复杂信号中瞬时分量的探测效果.     

基于FRFT的改进多尺度线调频基稀疏信号分解方法

针对全局搜索基函数计算量大的问题,提出了基于分数阶傅里叶变换(Fractional Fourier Transform,FR-FT)确定基函数的改进多尺度线调频基稀疏信号分解方法。通过解析信号的FRFT消除实信号FRFT结果中的对称项,两级搜索FRFT幅度谱确定信号的最佳基函数,检验该方法的计算效率和抗噪性能,并采用该方法分解频率呈曲线变化的多分量非平稳信号。试验结果表明:对解析信号进行FRFT能有效消除实信号FRFT结果中的对称项;基于FRFT确定基函数速度快、精度高、抗噪能力强,与频偏大小、频率变化快慢无关,不需先验知识,有效克服了全局搜索方法计算量过大的问题;基于FRFT的改进多尺度线调频基稀疏信号分解方法能快速、准确地分解频率呈曲线变化的多分量信号,适合于旋转机械瞬变工况下非平稳信号的瞬时频率估计与目标分量隔离分析。     

基于双参数匹配追踪算法的不同孔深爆炸地震波特性研究

利用爆炸地震波信号的非平稳随机特性,对其进行Hilbert变换转换成复数信号,获得爆炸地震波信号瞬时频率和相位双参数。使用双参数匹配追踪(Matching Pursuits)算法分解爆炸地震波信号,有效提高了匹配追踪(MP)算法的扫描效率,降低算法复杂度,较传统过完备匹配追踪算法运算速率明显提高;结合维格纳瑞利分布(Wigner Ville Distribution,WVD)分析了不同孔深的爆炸地震波时频特性,有效消除了WVD交叉干扰项的影响。分析结果表明:在一定深度范围内,孔深增加,爆炸地震波能量增大,但高频能量衰减更严重;当孔深超过一定深度时,爆炸地震波高频能量衰减趋于稳定。     

语音信号精细时频结构的局部余弦基分析

从自适应信号分解的角度提出用可精确覆盖时频平面的局部余弦基分析语音信号精细时频结构的方法。首先使用快速动态规划算法。将语音信号分解成局部余弦基原子的组合,从得到的信号分解原子的Heisenberg盒可以初步提取语音信号的有效时频特征。为了得到更精细的时频结构,再使用MP算法分解,并作出局部余弦基原子的WVD。仿真结果显示MP分解得到原子的WVD不仅有更佳的时频聚集性,而且对二次型时频表示中的交叉项有一定抑制作用。     

基于广义解调平滑能量分离算法的瞬时频率估计

平滑能量分离算法能够跟踪调幅调频信号的瞬时频率,结合广义解调和复解析Gabor滤波器的优点能够克服平滑能量分离算法只适用于单分量窄带信号以及对噪声敏感的局限性。理论分析了负频干扰对传统广义解调多分量分离方法的影响,在此基础上提出了一种新的基于广义解调的平滑能量分离算法,该方法利用广义解调将非平稳信号转化为准平稳信号,再通过复解析Gabor滤波器对其进行滤波以达到单分量信号分离的效果,分离出来的准平稳信号无需进行逆广义解调,直接采用平滑能量分离算法求取瞬时频率,经过频率补偿得到原始信号的瞬时频率。仿真和试验结果表明该方法能够克服负频率干扰,且比传统方法具有更高的解调精度,进一步扩大了平滑能量分离算法的应用范围。     

基于一种新的时频分布的机械故障诊断

通过设计核函数，给出了一新的时频分布(TFD)，并将该TFD应用于机械故障诊断。结合两个诊断实例，同时与Winger-Ville distribution(WVD)进行对比，发现该分布具有良好的时频聚集性，并且能够有效地抑制交叉项，事实证明，该分布能够刻画出幅值谱和WVD所不能反映的故障特征信号，能够较好地进行故障诊断。     

基于时频分析的CFRP分层缺陷识别研究

为了实现碳纤维复合材料(CFRP)构件分层缺陷的检测,提出了时频定量分析方法.利用短时傅里叶变换(STFT)、魏格纳变换(WVD)和平滑伪魏格纳变换(SPWVD)3种时频分析方法对超声回波信号进行分析和对比,从信号时频表示中的各种特性,如时频聚集性、主体能量、交叉干扰项等,选出了对超声回波信号比较适合的时频分析方法—SPWVD,随后对其时频谱进行降维特征提取.结果表明,采用SPWVD时频分析方法有效降低了干扰对识别准确性的影响,对CFRP构件分层缺陷检测具有可行性.