基于HHT变换的起动电动机特征信号时频分析

针对车辆起动电动机电气和机械故障发生时特征信号的时变不平稳特性,进行了时频域分析处理,提出了利用现代信号处理方法对故障信号提取特征向量的方法,主要对起动电动机的电枢和轴承故障进行诊断。在构建电机故障测试实验平台的基础上,利用破坏性实验构造了故障类型,测取了电枢电流和振动信号,分别采用小波分析理论和HHT变换对信号进行分析,通过分解再重构的方式将信号分解成了频率由高到低的不同分量,并获得了故障的特征频率,提取了特征向量。实验结果表明,基于HHT变换的现代信号处理方法在处理时变非平稳信号方面比小波分析理论更具有自适应性,更易识别。     

闪电快电场信号时频特性的小波分析

应用小波变换方法将具有短时非平稳特点的闪电快电场时域波形信号转换到二维的时频平面,从时间和频率上同时描述闪电快电场信号的电场强度或相对能量分布,揭示其所包含的不同频率分量及其随时间变化的特性.分析结果表明,基于小波变换的闪电快电场信号时频特性分析可以挖掘闪电电场更深层次的变化规律和特征;也为闪电放电类型的识别研究提供了新的思路.     

小波变换中的信号边界延拓方法研究

研究了小波变换中的离散信号边界延拓问题,由离散小波变换后信号长度的变化引出信号边界处理问题,给出了各种边界延拓方法及其数学表达式。利用正弦信号分析各种边界延拓方法对信号进行小波变换产生的不同结果和对信号极值检测的影响,给出了相应仿真实验和重要结论。     

信号处理中的时频信号分析

本文通过介绍四种普遍使用的时频分析方法对时频场分析作了充分的介绍，其重点在于时频分析的用实现方法。时频分析的基本思想是理解并描述一个 频一阴时间变化时所处的环境。虽然时频抻在５０年前就已经出现了，但直到最近十几年才有了重大的进展。最近，时频表示法作为一种分析各种信号和系统的非常有铲的工具已得到了越来越多的关注。     

多分量非平稳声信号时频分析

为了准确提取信号所包含的主要频率分量,对多分量非平稳声信号进行了时频分析。利用短时傅立叶变换将多分量非平稳声信号由时域变换到时频域,根据谱图提取信号的主要频率分量。分析结果表明：多分量非平稳信号的各主要频率分量及其时频域特性参数可以准确提取。短时傅立叶变换是提取多分量非平稳声信号主要频率分量的有效方法。     

基于广义解调时频分析的多分量复杂信号分解方法

在广义解调时频分析方法的基础上,将该方法应用于多分量时频变化信号的分解,并对该方法进行了改进,给出了由改进的广义解调时频分析方法分解多分量复杂信号的具体步骤.重点分析了自动获取相位函数的方法,以及对分离出来的各单分量再次进行广义时频解调的问题,得到了比较理想的时频分布.仿真实验结果证明:此法不仅可以得到原始信号中各分量的时域波形,同时也可以得到各分量的时频分布,从而为多分量复杂时频变化信号的准确分离提供了有效途径.     

小波匹配追踪的语音信号时频建模

小波多分辨率的正弦模型对正弦成分含量较低的语音信号不能较好建模,提出小波匹配追踪的瞬时建模方法。建立小波原子词典,利用多样性变异算子匹配追踪寻找最佳匹配小波,最后将语音信号表示成一系列匹配最佳小波的累加。仿真实验针对正弦成分含量较低的语音信号对两种模型作比较,结果显示提出模型的信号重构残差值较小波变换的正弦模型有明显降低。     

基于通信信号时频特性的卷积神经网络调制识别

在通信环境日益密集、信号调制样式层出不穷的情况下,信号的调制识别变得愈加困难。寻求一种高精度、时效性好的自动调制识别新方法,对无线电通信应用领域有重大意义。对此,文中提出了一种结合通信信号时频特性的卷积神经网络(Convolutional Neural Network Based on Time-Frequency Characteristics,TFC-CNN)调制识别算法。首先,采集大量调制信号,将信号的时频特征通过短时傅里叶变换转换成图像特征,并将其作为网络的输入;然后,设计一种特征提取能力更强、参数更少的卷积神经网络,通过改进网络中不同层的连结方式来增加网络的特征提取能力,同时通过减小卷积核的尺度、使用全局均值池化层来减少模型参数,提高了模型的时效性;最后,在网络中添加批归一化(Batch Normalization,BN)层,在增加模型稳定性的同时防止模型出现过拟合。实验结果表明,所提算法在参数和训练时间上比传统方法明显减少,同时有更高的准确率,体现了所提算法的优越性。     

Hilbert-Huang变换在语音信号精细时频分析中的应用

语音信号是一种典型的非平稳信号,其特性及表征本质特征的参数均是随时间变化的,而时频分析是分析时变谱的有力工具,Hilbert-Huang变换是一种新型的具有自适应性的时频分析方法,对于非线性、非平稳信号有清晰的物理意义,通过HHT变换,能够得到信号的时间-频率-振幅三维分布特征。分析了HHT算法的原理,采用了合适的端点效应处理方法提高了EMD的分解精度,通过仿真实验得到了语音信号更加精细的时频结构,并与STFT、WVD及Choi-Williams分布进行了对比,显示了HHT算法的优越性。     

递归时频重排算法在跳频信号参数估计中的应用

为了有效分析跳频信号并估计其参数, 引入一种短时傅里叶变换的快速算法, 为改善其时频聚集性, 将该算法推广到重排域。该算法降低了参数估计的算法复杂度。最后,在跳频系统中对该算法的性能进行了仿真与分析。     

基于连续小波变换的NOAA影像尺度分析

小波变换具有数学显微镜特点和频域带通特性，可用于对遥感图像进行分析，为了探索更好的遥感图像尺度分析方法，提出利用二维连续小波变换(墨西哥帽小波)结合地物类型分布图来对NOAA／AVHRR影像的4波段数据进行尺度分析。结果表明，在小尺度下连续小波变换系数可显示不同地物类型、相对差异、位置及形状等信息，可用作细致分析；而在大尺度下该系数则主要表现了由水陆、地貌导致的地域差异，可用于概貌观察。另外，不同时相数据的大尺度分析对比，还体现了空间格局和变化趋势。通常小波变换系数确定的不同地物类型的尺度曲线反映了不同地物的影像信号强度和相互影响，而过零点位置的变化则反映了信号的突变。     

用开关电流技术实现连续小波变换的改进方法

提出了一种用开关电流技术实现连续小波变换的改进方法，即采用梯形公式逼近数值积分的原理改进用于逼近连续小波变换的带通滤波器组，并用开关电流电路实现，还详细分析了这种改进对于减小逼近误差的优势所在．以开关电流的双二次滤波器实现八通道的Marr小波为例，简述了设计过程和仿真结果，从而证实了这种改进的可行性．     

基于级联离散小波变换的信号去噪方法研究

提出了基于级联离散小波变换的信号去噪方法。该方法通过对带噪信号作一层离散小波变换(DWT)后提取的低频部分和高频部分分别作一层DWT和四层DWT,然后,对低频部分提取的低频成分和高频成分均作三层DWT,接着,对所有分解的小波系数进行阈值处理,最后,完成信号重构。实验结果表明:在同样的小波分解层次下,本方法去噪效果好于DWT法和WPD法。     

基于CycleGAN的语音可懂度关键技术

语音可懂度增强是一种在嘈杂环境中再现清晰语音的感知增强技术. 许多研究通过说话风格转换(SSC)来增强语音可懂度, 这种方法仅依靠伦巴第效应, 因此在强噪声干扰下效果不佳. SSC还利用简单的线性变换对基频(F0)的转换进行建模, 并且只映射很少维的梅尔倒谱系数(MCEPs). 因为F0和MCEPs是语音的两个重要特征, 对这些特征进行充分的建模是非常必要的. 因此本文进行了一个创新性研究即通过连续小波变换(CWT)将F0分解为10维来描述不同时间尺度的语音, 以实现F0的有效转换, 而且使用20维表示MCEPs实现MCEPs的转换. 除此之外, 还利用iMetricGAN网络来优化强噪声中的语音可懂度指标. 实验结果表明, 提出的基于CycleGAN使用CWT和iMetricGAN的非平行语音风格转换方法(NS-CiC)在客观和主观评价上均显著提高了强噪声环境下的语音可懂度.     

基于ARM7的自行火炮火控系统测控平台研究

自行火炮是当今世界各国地面压制火力的重点装备,火控系统作为自行火炮的重要组成部分,对于火炮的远程射击和精确命中至关重要;当前,专用维修检测设备的缺乏给自行火炮火控系统的装备保障带来较大困难;在对部队装备维修的实际需要、装备维修的特点以及基于ARM7的嵌入式系统等进行深入分析研究的基础上,设计了一套基于ARM7的自行火炮火控系统综合测控平台;平台集测试与控制、故障诊断和专家系统、远程支援、信息管理于一体,为装备使用和维修人员实施快速、高效的保障提供了很好的硬件和软件环境;使用表明,测控平台提高了装备保障的效益和效率。     

三维高频风速时间序列波动特性研究

三维高频风速波动特性的研究对于全面、深入地揭示复杂风场流动及演化规律具有重要价值。采用多重分形消除趋势波动分析（MF—DFA）对高性能超声波风速传感器采集的三维风速时间序列进行波动特性分析。研究表明：水平风速和竖直风速均具有多重分形特性,但有着不同的波动结构,在竖直方向上的波动结构要更为复杂;水平方向风速信号的多重分形特性由长程相关性造成,与概率分布关系不大,而竖直方向上风速信号的多重分形特性与长程相关性和概率分布均存在一定的关联。     

二维CWT方法在时间序列分析中的应用研究

利用二维连续小波变换(CWT),结合时间序列分析的特点,对时间序列数据进行分析。从对多频率信号、突变信号以及噪声数据的容错性三个方面的分析来对利用二维连续小波变换方法在时间序列分析中的应用进行了研究,主要分析方式以趋势分析为主,最后通过对实验结果的分析得到良好的效果。     

基于InSb磁敏电阻器的脉冲涡流信号处理方法研究

脉冲涡流检测方法是涡流检测技术的一个新兴分支。分析了InSb磁敏电阻器作为脉冲涡流检测元件的工作原理。应用InSb磁敏电阻器的涡流探头检测金属裂纹特征的信息提取方法。对采集的信号首先通过同步累加法处理后再经多项式拟合、小波变换实现对信号的滤波与平滑,最终选用小波变换提取裂纹的特征。实验表明:采用InSb磁敏电阻器作为脉冲涡流检测敏感元件,具有较高的裂纹灵敏度,且可以较好地反映裂纹的深度。     

MIMO OFDM系统联合时频同步算法

为了解决多输入多输入多输出(Multiple imput multiple output,MIMO)正交频分复用(Orthogonal frequency division multiplexing,OFDM)系统的时间和频率偏移估计问题,提出了一种基于恒幅零自相关(Constant amplitude zero auto correlation,CAZAC)序列的联合时频同步算法。同步前导包括两个相同长度的训练符号。在接收端,分别计算两个本地训练序列与接收信号的互相关,利用CAZAC序列的特性可以检测出所有收发天线对之间的时间偏移和整数频率偏移;然后对接收信号进行整数频偏补偿,利用两个训练符号之间的关系可以估计出小数频率偏移。分析和仿真结果表明,该算法与传统的同步算法相比,不但具有更高的同步概率,而且能够估计出所有收发天线对之间的频率偏移。