改进非平稳信号的分析方法

研究了WVD和短时傅里叶变换两种时频分析方法的优势和局限性,从两种方法的定义出发,分析了两者间存在的联系,通过构造窗函数,提出一种改进的非平稳信号分析方法,并进行了相应的计算机仿真,结果表明信号的时频特性得到了改善,该方法还适用于多分量非平稳信号的分析。     

转轴转速波动信号的时频脊线提取方法

转子的转速波动信号因不平稳导致传统的信号分析方法不适用。为此,采用时频分析的方法对转速波动信号进行分析,提出了转速波动信号的时频脊线提取方法。对信号的频谱图进行简单分析,通过频谱图得到信号的基本频率信息;对信号进行短时傅里叶变换,得到信号的时频联合分布图;沿时间轴将信号进行分割,提取出每段信号的脊线,将每段脊线进行整合,得到目标脊线;利用卡尔曼滤波技术提取最优脊线。从复杂的原始信号中准确识别出信号的时频脊线,可用于转速波动的故障诊断。     

时频分布级数方法的改进

时频分布级数法在保持高时频分辨率的前提下,有效抑制了Wigner分布的交叉项,但运算量问题制约了其在工程应用中的普及。该文在对时频原子基函数进行研究的基础上,利用窗口选择特性对方法进行了改进,节省了大量计算,通过对多分量非平稳信号的仿真表明,对TFDS方法的改进是有效的,信号处理时间明显缩短,对联合时频分析的工程应用具有一定的参考价值。     

基于线性正则变换的时频信号分离方法

时频信号分析是当今信号处理领域研究的一个热点问题,各种时频分布函数得到了广泛的研究和应用。线性正则变换是一种重要的时频分析工具。文中研究了线性正则变换与传统时频分布函数的关系;并基于这些关系,提出了一种新的时频信号分离方法,能够把在时频面上互不重叠、但在时域和频域均存在较强耦合的多分量合成信号有效地分离。仿真实例表明了该方法的正确性和实用性。     

基于模态分解的Hilbert-Huang变换

Hilbert-Huang变换(HHT)是近年来发展起来的一种新的时频分析方法。本文首先阐述了基于经验模态分解(EMD)的Hilbert—Huang变换(HHT)的基本原理及英特点,然后将该方法用于实例,对比分析了HHT变换和传统的傅立叶变换的实验结杲,进而说明了该方法用于信号时频分析的可行性和优越性。     

基于EMD的神经网络股价预测方法

股价波动具有复杂、非平稳、非线性等特点,传统经济模型难以对其进行准确预测。文章将机械工程领域用于分解复杂信号的EMD算法嵌入神经网络模型建立了基于EMD的神经网络股价预测模型,并通过检验该模型有效性以及将该方法的预测效果与小波神经网络预测方法的预测效果相比较,得出该方法是优于小波神经网络预测方法的最佳股价预测方法的结论。     

基于经验模式分解和移动平均的金融时间序列分析

将经验模式分解理论应用于金融时间序列分析中,建立了一种新的基于经验模式分解和移动平均的综合分析模型。经验模式分解基于信号的局部特征时间尺度,能把复杂的信号分解为有限个基本模式分量之和,是一种完全在时域中进行的自适应分解,克服了小波等分解分析方法中的基函数选择问题,非常适用于非线性和非平稳过程的分析。股市分析实例表明,该模型能有效提高股市波动信号的信噪比,揭示股市价格的内在运动规律,增强分析结果的可靠性,在金融时间序列分析中具有很高的应用价值。     

小波变换在电压闪变信号检测中的应用

配电网中较大负载的炼钢电弧炉在运行过程中会对公用电网产生较大的冲击和干扰,本文基于小波变换具有良好的时频局部化特性,提出一种更为有效的电压闪变分析方法,利用小波变换的多分辨率分析方法,对电压闪变信号进行检波与分解,提取出电压波动信号的频率和幅值,从而得出反映电压闪变的参数.仿真实验证明小波变换是一种有效的电压闪变分析方法.     

基于EMD的非线性信号自适应分析

根据EMD分解原理,提出通过选择平均包络中的突变点确定自适应滤波器截止分量阶,以此构造时空滤波器组进行非线性信号自适应分析的方法,成功应用于分析波音737飞机涡轮轴振动信号。从噪声中自适应地提取随转速变化的信号分量和低频振动分量,与小波分析方法相比,在轴向位移检测中取得了更为满意的效果。该方法不仅改进了涡轮轴振动信号分析方法,也适用于解决其他非线性信号的分析问题。     

小波变换用于示波计时电位信号处理的研究

本文根据小波交换所具有的时频局域化、分频和时移不变性等性质,将其用于未波计时电位信号平滑与去噪、重叠峰分辨、有用信息提取多方面的研究．结果表明：小波交换是一种优良的信号处理技术,可以明显改善示波分析的现状．     

电能质量信号分析方法及其应用

傅立叶变换具有精确的频率分辨率,小波变换则具有将电能质量扰动进行准确时域定位的优点.为了解决电能质量监测中的实际工程问题,充分发挥傅里叶变换处理平稳信号和小波变换处理非平稳信号的优势,提出了基于时域、频域与小波变换相结合进行电能质量分析的方法.     

用M带小波变换实现图像的边缘检测

小波变换是一种时频域信号分析理论，是信号分析处理的一种强有力的新工具。文中根据小波变换特点和边缘的时频空特性，在Ｍａｌａｔ关于小波边缘提取理论的基础上，将二通道小波变换的边缘提取问题推广到Ｍ通道小波变换的边缘提取，讨论和分析了如何利用Ｍ带小波来获取边缘的方法和实现步骤     

一种有效的宽带雷达信号压缩算法

针对宽带雷达回波信号采样数据量大、传统小波压缩算法保真度不高的特点,利用小波多层次变换系数之间的关系,提出了基于小波变换的自适应贪婪算法,并将其应用于宽带雷达回波信号数据压缩.将该算法与传统的小波多层次方法在对宽带信号的压缩性能上进行了比较,结果表明,基于小波的自适应贪婪算法对数据压缩保真效果优于传统的小波方法.     

基于小波多分辨率系数模值的并发故障检测方法

提出了利用小波分析技术进行信号奇异性检测的多重并发故障检测方法。利用小波多尺度分解技术,将信号进行多尺度的小波分解,得到不同尺度下的信号高频分量的小波系数模值,并根据奇变信号和噪声信号小波系数模值的差异,采用软阈值去噪法,对其高频分量小波系数进行去噪处理,获取不同尺度上突变信号的小波系数模值,实现对故障的检测,并可根据不同尺度上小波系数模值的对应关系,实现对多重并发故障的区分。对电网信号分析的仿真结果证实了该方法的正确性和可行性。     

同场景多幅图像中的强噪声抑制

提出了利用独立分量分析滤除同场景多幅图像中的噪声方法,假设在含噪的同场景多幅图像中,噪声信号和图像信号之间是相互独立的。利用独立分量分析方法可以将含噪的同场景多幅图像分解成图像信号分量和噪声信号分量,根据独立分量的固定时间模式的标准差特性可以将图像信号分量提取出来,以重构成去噪结果图像。实验结果表明,该方法能有效地抑制多幅同场景图像中非零均值强高斯噪声,而且可适用于稳定噪声强度和不稳定噪声强度环境。     

基于统计特征主分量的信号调制识别

采用数字信号处理方法提取待识别信号的瞬时特征统计参量,利用多元统计的主分量分析方法对特征参量进行其主分量组合,以消除特征参量间的相关性和压缩特征向量的维数,并采用统计模式识别的模板匹配判决进行信号调制方式的自动识别,模拟结果证实了此方法的有效性和高识别率。     

SAR原始数据时频域幅相压缩算法

采用时频分析的方法,结合SAR原始数据非平稳的时频振荡特性,提出了一种基于Gabor变换的SAR原始数据时频域幅相压缩算法.该算法首先对分块原始数据进行幅度-相位转换、2D-RDGT变换以及在时频域内对各频率平面根据方差进行比特分配,然后采用分块自适应量化算法量化各频率平面.实验结果表明,该算法与传统的BAQ算法和已有的幅相算法相比无论在数据域还是在图像域的压缩性能都取得了明显的改善.     

Mallat算法及其应用

Mallat算法是根据多分辨分析理论发展而成的小波分解和重构的快速算法,该算法在小波变换中的地位如同快速傅立叶变换在傅立叶变换中的地位一样,可以大大地降低小波变换的计算量,有利于对含有大量信息的音频,视频进行适时处理,从而将小波理论与工程应用联系起来,使小波变换真正成为继傅立叶变换后,处理非平稳信号的有力工具。     

适于目标检测的宽带回波信号去高频方法

运用变换的方法进行雷达回波信号压缩前,为了减少变换系数的数据量通常要对信号进行去高频处理.针对宽带雷达回波信号小波变换系数数据量大、传统小波算法去高频容易产生漏警和虚警的特点,分析了经验模式分解(EMD)中各内模函数的特性,提出了一种基于EMD算法的宽带数字信号去高频方法,并将其应用于雷达回波宽带数字信号去高频处理,运用脉冲压缩技术比较了该方法和传统小波方法去高频效果.实验表明,该方法不仅有利于宽带数字信号的数据压缩,而且在减少信号高频成分的同时,能较好地保留信号中的目标信息.