关于希尔伯特-黄变换的分析和研究

本文对Hilbert-Huang(HHT)变换的基本知识做了论述。并结合实例说明HHT方法相对于传统的短时傅里叶变换(STFT)分析方法、Wigner-Ville(WVD)方法以及小波分析方法在时频分析中的的优点。     

雷达信号的时——频分析和应用

针对常见的雷达脉冲信号（常规信号（NS）,线性调频信号（LFM）,双线性调频信号（DLFM）运用时频工具对调制方式的识别进行研究。运用两种时频分析方法1.短时傅里叶变换2.相位展开算法.通过这两种算法对雷达信号的调制方式进行分析,并通过仿真得到雷达信号的时--频分布以及时—频,时—相曲线,对仿真结果进行研究。通过仿真实验表明,雷达信号调制方式识别算法是可行的,有效的,而且具有良好的性能。     

机械振动信号处理方法研究

信号故障特征的提取是机械故障诊断的重要依据,为提取信号故障特征,需对振动信号进行处理。对振动信号分析和处理方法的研究一直是机械故障诊断领域最重要研究方向之一。目前常用的信号处理方法主要分为时域分析、频域分析、时频分析三大类,由于工程现场拾取的振动信号一般均为非线性、平稳信号,因而数学形态学方法、短时傅里叶变换、小波变换和希尔伯特-黄变换更适于处理这类信号,然而这些方法还存在着各种问题。本文主要对这些方法的特点进行了概述、分析和对比,最后给出了总结展望。     

时频分析理论的思维方式

时频分析的思想创始于1946年D．Gabor提出的Gabor变换。之后时频分析的发展如火如茶，先后有多种形式的时频分析被提出并应用，如短时Fourier变换、小波变换、Wigner-Ville分布和Choi-Williams分布等等。时频分析旨在构造一种时间和频率的联合密度函数，以揭示信号中所包含的频率分量及其演化特性，是分析统计量随时间变化的非平稳信号的有效工具。     

小波变换模极大值法检测信号突变点

传统的傅里叶分析由于在时域不能局部化,难以精确检测到信号发生突变的时间.小波变换由于具有良好的时频局部化特性,故能精确检测到信号发生突变的时间.本文介绍了应用小波变换模极大值法检测信号突变点的方法,仿真结果证实该方法的有效性.     

织机声信号瞬态特征分析方法

提出了一种采用Ｍｏｒｌｅｔ小波变换实现织机声信号分析的方法,并藉助高速信号处理器和微机系统予以实现。对典型织机声信号进行了小波变换分析,获得了典型织机声信号的三维小波变换谱。实验结果表明,该方法是有效的。同短时傅里叶变换分析法相比较,织机声信号的小波变换分析法具有较好的分析性能。     

引入合同变换矩阵的网络攻击信号盲分离算法

对网络攻击信号进行盲分离,实现对攻击信号的准确有效检测。传统的网络攻击信号检测算法使用时频分析方法,提取非平稳群攻击信号的时频特征,实现信号检测,但算法把网络入侵检测正确率作为约束目标函数进行同步最优特征子集求解,复杂度较高,提出一种引入合同变换矩阵的网络攻击信号盲分离算法。采用时频分析Viterbi算法,得到信号谱的平均频率等于瞬时频率的时间平均,根据合同变换矩阵,对攻击信号进行离散数据解析化处理,构建网络攻击信号的解析模型,得到网络统计信号在多复变边界条件下的时频特征,实现盲分离算法改进。仿真实验表明,该算法能有效实现对网络攻击信号的盲分离,盲分离结果能准确反映网络攻击信号的内部特征,提高了对网络攻击信号的检测能力,对攻击信号的检测性能有所提高,保证了网络安全。     

卷积混合语音信号的盲分离研究

语音盲分离问题是近年来的研究热点,针对语音信号卷积混合模型的特点,利用短时傅里叶变换将时域计算复杂的卷积变换为频域简单的瞬时分离,考虑语音信号的非平稳和自相关特性,采用非迭代的基于二阶统计量的盲分离算法,并在转换回时域前解决排序和幅度模糊问题,该方法没有遮代过程,处理速度快,最后仿真实验证明了算法的有效性。     

地震信号时频谱分析技术在储层分析中的应用

地震信号是典型的非平稳信号,信号的功率谱密度是时变的,时频分析方法在非平稳信号分析方面,具有独特优势。本文应用目前常用的时频分析技术对XG油田井旁道进行分析比较,揭示了时频分辨率S变换与小波变换较好,频率衰减梯度属性对储层变化较为敏感,在此基础上应用时频分析技术对本区储层进行了分析与预测。     

Rtx环境下调用Matlab进行LFM信号的参数分析

本文分析了在Rtx环境下用VC调用Matlab来实现对线性调频信号的实时性分析。由于单分量LFM信号的Wigner—Ville分布是冲激线谱,所以用Wigner—Ville分布分析单分量LFM信号是非常合适的。但对于多分量信号,由于交叉项的存在,时频平面就会变得模糊不清。本文就着重分析用在VC环境分析线性调频信号参数的一种方法。     

重载铁路货车轴承突发性损伤类故障检测

重载的铁路货车滚动轴承极易出现损伤类故障,因故障的突发性使得振动信号具有非线性、非平稳的特性,且振动信号极易受非检测部位振动的干扰,而使得有效信号不易被提取,传统的基于傅里叶变换的检测方法无法有效将非平稳的振动信号中的干扰去除,造成最终的检测准确率不高的问题。为了提高检测准确率,提出基于小波包的检测方法,首先针对振动信号的非平稳特性采用小波滤波有效去除其中的干扰,然后通过最小二乘支持向量机提取出非平稳振动信号中的故障特征信号并完成故障检测。实验表明,这种方法能够有效去除振动信号中的干扰,并准确检测重载铁路货车上的滚动轴承损伤故障。     

小波变换在信号奇异性检测中的应用

小波变换突破了传统傅里叶变换等信号处理方法的限制,在时域和频域上可同时对信号实现局部化处理,这更符合信号非平稳的变频带结构特征,因而在信号检测奇异性等方面具有广泛的应用价值。本文简要地介绍了小波应用在信号奇异性检测方面变换的基本原理,并通过仿真实验进行了验证。     

基于小波变换与自适应滤波的EEG信号的提取

本文提出了对非平稳的EEG信号的降噪和提取方法。小波变换是一个多尺度的时频分析方法,利用小波变换对预处理后的EEG信号进行多尺度分解,并与自适应滤波相结合进行消噪。用AR模型对复原的EEG信号进行谱估计。根据从人体的大脑皮层采集得到的数据,利用MATLAB进行了仿真实验,得到了比较满意的结果。     

小波基在信号奇异检测中的应用

小波变换突破了传统傅里叶变换等信号处理方法,在时域和频域上可同时对信号实现局部化处理,更符合信号非平稳的变频带结构特征,因而在信号检测奇异性等方面具有广泛的应用价值。可将小波检测信号的奇异性理论应用于突变点的检测中,在分析信号奇异性的性质及小波基特征的基础上,分析了在应用中小波基的选择原则。针对信号的不同特征选择合适的小波基。并且应用MATLAB仿真,结果表明所选的小波基具有很强的检测能力。     

基于STFT变换和Gabor滤波的船舶辐射噪声张量特征提取

针对船舶辐射噪声分类识别难的问题,根据Gabor滤波能模拟听觉皮层得到时频感受,以及张量结构具有鲁棒性的特点,提出了一种基于短时傅里叶变换(STFT)和Gabor滤波的船舶辐射噪声张量特征提取方法。首先对船舶辐射噪声进行短时傅里叶变换,获得噪声信号的功率谱密度(PSD),然后对PSD进行Gabor滤波,最后构建一个时间×频率×尺度×方向的四阶特征张量,并通过张量分解实现了船舶辐射噪声的分类识别。大量实测样本识别结果表明,该方法具有较高的正确分类识别概率。     

低阻储层流体性质判别的新方法

准确判别流体性质对储层油气开发意义重大,通常采用电阻率的大小和差异、交会图及纵横波速度比等方法来判别流体性质,由于识别低阻储层受较多因素影响,故以上方法的准确率均不高。针对这些问题,本文从时频分析和短时傅立叶变换原理出发,采用时频分析方法挖掘测井曲线中包含流体的隐含信息,可以提高流体性质判别能力并且将该方法运用于广安地区,研究表明将测井信号映射在时频面上,可突出流体信息,使其更容易更直观地识别。     

时频分析技术及其在地震勘探中的应用

本文阐述了短时傅立叶变换,Wignet—Ville分布,小波变换和S变换等方法及其在时频分析上的特点对调频馆号的时频分析进行比较,认为不同的方法具不同的时频分辨特点由于时频分析技术可较好地描迷信号和噪声的频率随时间变化的规律,在地震勘探中被广泛的应用于地震波的能量补偿、时变滤波去噪、薄层及其结构分析和沉积旋回研究等方面．并在油气勘探实践中取得了显著效果。     

类似形状匹配的WVD网络隐性攻击信号检测

结合Hough变换的类似形状特征,提出一种考虑类似形状匹配的改进的WVD网络隐性攻击信号检测算法WVD-Hough检测算法,算法实质上基于类形状匹配的检测技术,把图像空间中的直线检测问题转换为参数点的检测问题,实现在参数空间中的检测任务。对两类典型的隐性网络攻击信号进行滤波提纯分析和检测实验,仿真实验表明,新的WVD-Hough网络攻击信号检测方法能有效提纯待检测信号,滤波效果良好,得到谱分析中间脊线清晰,信号成分时频聚集性很高,能有效去除合法信号的干扰,挖掘出隐性攻击信号。     

小波变换的谐波检测法

小波变换的谐波有效值测量就是利用小波分解系数来测量谐波有效值。电网谐波污染是电力系统中的一大公害。以傅里叶级数理论为基础的传统谐波分析方法和测量仪器都缺乏时间局部化特性,因此不能满足突变的和时变的非平稳谐波检测与时频分析的需要,基于小波变换的谐波有效值及谐波畸变率的测量方法。然后提出并论述了基于差拍选频和子带滤波的谐波分析方法。最后提出一种新的同步检测法,用于电压闪变信号的检测与谐波分析。     

现代信号分析方法在焊管涡流探伤中的应用研究

运用涡流探伤技术检测焊管的焊接质量,输出的检测信号非常复杂,是一种非线性、非平稳的信号。本文探讨了几种现代信号分析方法,并分析了它们的优缺点,分析经验模态分解(EMD)方法在检测焊管涡流探伤信号上的应用优势,指出经验模态分解方法的应用前景。