基于广义S变换进行雷达信号时频滤波去噪

S变换自问世以来,凭借其优越性已经被广泛地应用于数字信号处理中。针对深空目标雷达回波信号的复杂性,为了得到较好的雷达回波信号,将基于广义S变换的时频滤波应用于雷达回波信号去噪中,并利用低通滤波器设计了时频滤波算子,克服了传统滤波去噪方法滤波因子不能随时间、频率变化而变化的缺陷。通过理论分析与仿真波形对比表明,滤波后能有效地去除噪声,很好地保留了原始雷达回波信号的信号特征,展示了基于广义S变换的时频滤波的可行性,为雷达回波信号去噪提供提供了一种很好的方法。     

基于S变换的时频特征提取与目标识别

目标的时间-频率联合分布能够很好地反映目标物理结构特征,可以作为雷达目标识别的一个有效手段。针对现有时频分析方法存在的识别率低和抗噪性能差等问题,提出一种基于S变换的空间目标回波信号电磁特征提取与识别方法。首先对目标的雷达回波进行时频分析,得出在较大方位角变化范围内和不同信噪比情况下,目标S变换的时频分布具有相对不变性的结论;然后基于这种稳定的时频分布特征,采用最小贴近度的方法进行分类识别。针对不同目标模型的仿真结果表明,该方法的识别率高于其他时频分析方法并且具有很好的鲁棒性。     

信号去噪的小波互除方法

小波变换具有良好的时频局部化性质 ,特别适合于分析和处理突变信号。本文在Mallat模极大值去噪方法的基础上 ,提出一种新的小波变换去噪方法———互除法。该方法在小波系数的影响域内计算和估计信号的真实系数 ,从而进行信号重构 ,避免了复杂的交替投影算法。与以前的一些方法比较 ,互除法在平均误差和可视化方面有很好的效果。     

基于CPP与S变换的自适应时频滤波及其在滚动轴承故障诊断中的应用

针对变转速下滚动轴承故障调制信息的提取与分离,提出了基于线调频小波路径追踪(CPP)与S变换的自适应时频滤波方法。该方法先采用Hilbert解调对齿轮箱振动信号进行分析获取其包络信号,并对包络信号进行S变换,以获取其时频分布,同时,采用CPP算法从齿轮箱振动信号中估计出啮合频率曲线,进而获取转轴转速;然后,根据估计的转速信号分别设计各阶时频滤波器;再采用时频滤波器对包络信号的时频分布进行时频滤波,并将滤波结果进行S逆变换,以获取各阶故障调制信号;最后对各阶故障调制信号进行阶次谱分析,并根据阶次谱中的调制信息诊断滚动轴承故障。算法仿真和应用实例表明,自适应时频滤波方法可根据轴承故障调制信号的频率变化特点自适应地改变滤波器的中心频率与带宽,能有效提取并分离轴承的各阶调制信息,且分离效果优于基于集合经验模态分解（EEMD）的阶次谱方法。      

一种虚拟信号分析仪的设计

介绍了虚拟信号分析仪的结构和现代信号的处理方法。基于傅立叶变换、短时傅立叶变换和小波变换,提出了一种虚拟信号分析仪的系统软件模块的实现方法。该方法利用这三种变换,对信号进行多次处理,能够得到信号的时域、频域和时频域信息,能够对信号进行降噪处理。实验表明,利用此分析仪,能够测量信号的周期、频率、瞬时频率、时频变换趋势和奇异点,并且能以图形的形式显示出来。     

基于HHT的航空发动机气动失稳信号

针对航空发动机工作范围内存在的气动失稳现象,运用希尔伯特-黄变换(HHT)分析其信号的时变特征;通过对其处理非线性、非平稳信号分析新方法与其他时频分析方法的对比,并对HHT存在的问题进行针对性解决,使其适应航空发动机气动失稳数据分析的要求.并在Labview平台上通过数字仿真试验实现和验证了HHT方法;结果表明:此算法准确有效;通过航空发动机工程试验数据的处理过程,验证了HHT在处理此类相关问题时的可行性、适用性,同时指出其仍然存在的缺陷.     

基于小波变换的非平稳信号趋势项剔除方法

分析了空间飞行器遥测信号处理传统趋势项剔除方法的优势和不足,提出了基于小波变换的非平稳信号趋势项剔除方法。这种方法通过滤波器组将信号分解与重构,实现趋向性信号与零均值平稳随机信号的分离。仿真实验表明,该方法简单、高效,适用于非平稳随机信号的处理,是一种实用的趋势项剔除方法。     

基于经验模态分解的燃烧不稳定性分析

实验研究了在常温常压条件下贫燃预混旋流火焰的燃烧不稳定性,发生燃烧不稳定性时其压力脉动表现为非平稳信号.利用一种基于经验模态分解(EMD)的希尔伯特-黄变换(HHT)算法对在当量比分别为0.71和0.80工况下的压力脉动信号进行了时频分析.针对压力脉动信号进行经验模态分解,选取主要的固有模态函数(IMF),对IMF通过HHT变换得到瞬时频率并进行统计分析.结果表明:在当量比为0.71时,压力信号呈间歇式的脉动,其振型为拍振;在当量比为0.80时,脉动压力信号则呈现出极限环振型.在基于EMD的HHT变换中,IMF体现了燃烧不稳定性的固有模态且具有自适应性强的特点.      

基于小波包分析的航空发动机轴承故障诊断

振动分析是进行滚动轴承状态监测与故障诊断的重要手段。当轴承某一元件表面出现局部损伤时,产生周期性的冲击脉冲力。因此,原来的平稳振动信号变成了非平稳振动信号。傅里叶变换在频域上是完全局部化的,但它不能提供任何时域的局部化特征,而窗口傅立叶变换尽管在时域和频域均具有一定的局部化特征,但其局部化却是固定不变的。针对常规方法难以准确分析非平稳信号的局限性,提出了基于小波分析的滚动轴承故障诊断方法,通过滚动轴承外表面损伤的实验信号进行小波包频谱分析,验证了基于小波分析的滚动轴承故障诊断方法是可靠、准确的,可进一步应用于航空发动机主轴轴承的状态监测和故障诊断。     

一种基于非平稳信号分析的时相调制信号解调算法

基于非平稳信号分析方法,对时相调制(Time-Phase Modulation,TPM)信号的时频分布特性进行了详细分析,建立了TPM调制信号相位突变与时频分布幅度的映射关系,利用该映射提出了一种基于非平稳信号分析的TPM调制信号解调算法,并对该解调算法性能进行了理论分析,讨论了最佳判决门限选取方法,仿真结果验证了理论分析的正确性。理论分析及仿真表明,基于非平稳信号分析的TPM调制信号解调算法获得了优于传统的相关解调的调制系统差错性能。     

基于时频脊线和阶次分析的转子故障诊断

为解决采用在转子升降速过程中产生的非平稳信号难以进行故障诊断的问题,提出一种基于2维时频脊线和阶次分析的转子故障诊断方法。采集转子升降速信号,采用2维时频分布的峰值脊线提取法获得信号脊线特征,结合脊线特征与等角度重采样技术依次获得信号角度域、角-阶域和阶次域图像,将信号阶次域内的特征参数作为故障敏感特征,输入人工神经网络诊断模型,对转子信号的故障类型进行分类。利用实测信号验证所提方法的实际应用效果,并与传统特征提取法的结果进行对比。结果表明:阶次分析方法的测试准确率约为99.8%,标准差小于0.09%,均优于传统特征提取法。基于时频脊线和阶次分析的转子故障诊断方法具有更高的诊断准确率,在非平稳信号特征提取过程中具有很好的可行性和准确性。     

基于时频-小波分析的压气机失速过程研究

采用时频—小波分析的方法,针对某型发动机的八级轴流压气机级间压力信号,提取失速先兆及发展信息。结果表明,在失速前的阶段,不同的频率段表现出不同的失速先兆成分;并检验了失速时刻信号的奇异性,最后确定了最先失速级。      

非平稳脉动压力数据的SPWVD时频分析技术研究

对于高速风洞中进行的非定常流动脉动压力实验,由于传统的Fourier变换无法表示脉动压力频谱特性随时间的变化规律,因此必须借助时频分析工具进行数据处理。根据非定常流动脉动压力信号的特点,通过对几种时频分析方法进行理论分析与比较,确定Smooth Pseudo Wigner-Ville Distribution（SPWVD）方法是比较合适的分析工具。通过对实验数据进行处理,发现SPWVD具有较好的时频聚集性,能够有效地消除二次型分布固有的交叉项干扰;基于SPWVD的时频分析技术能够刻画出某实验舱门开闭过程中脉动压力的能量密度、瞬时功率以及能量谱密度随时间、频率的分布特性与动态变化;在流场参数发生改变时,SPWVD能够正确地反映出脉动压力特性随流动形态的变化。     

绕水翼空化非定常动力特性的时频分析

为了解绕水翼附着空化的流体动力特性,用实验方法研究了绕水翼的空化流动现象。实验在空化水洞中完成,采用高速摄像技术观测了不同空化阶段的空穴形态,并测量了水翼所受的升阻力。利用时频分析中的Choi-Williams变换和小波变换对水翼升力信号进行了分析处理,得到了水翼升力信号在不同空化阶段的时频特征。结果表明：在不同的空化阶段,对应于各种不同的空化形态,其流体动力的频谱特性也表现了不同的特点。在没有空化产生时,水翼升力的时频无规则,升力随时间的变化不存在周期性;在片状空化阶段,升力信号变化的频率随着空化数的减小而减小;在云状空化阶段,空穴波动增强,升力信号的周期性更加显著,而此时频率基本不随时间和空化数变化。     

一种新的椭圆球面波信号时频域滤波方法

针对如何在时频域降低干扰噪声对椭圆球面波函数(Prolate Spheroidal Wave Functions,PSWFs)信号时频域分布特性的影响,引入精细滤波,提出了 1种新的椭圆球面波信号时频域滤波方法。仿真结果表明,所提方法在时频域以能量峰值点为基准,构造以距离为依据的滤波算子调节参数,能够有效抑制噪声对 PSWFs信号时频域分布特 性的影响,提高信号局部区域的能量聚集性。     

一种基于时频分析的欠定盲源分离算法

针对欠定盲源分离,提出了基于时频域信源数估计的盲源分离算法。通过短时傅里叶变换将信号变换至时频域进行分析。在混合矩阵估计环节,根据源信号稀疏性的假设,在时频域利用信号的时间频率比,确定与源信号对应的混合向量。在混合向量聚类过程中,利用同类向量间的距离以及向量不同聚类间的解析度,提出一种信源数估计方法,解决了在聚类算法中假设信源数已知的问题。在源信号分离环节,利用时频子空间中接收信号相关矩阵对角线元素与剩余元素的比值,提出一种子空间信源数估计算法,通过确定信源数,将子空间中欠定模型转换为超定或正定模型,以完成源信号分离。仿真证明算法对混合矩阵估计的正确性以及信号分离的可靠性。     

基于Cohen类离散时频分布对侦察信号处理的改进算法

通过时频分布特别是Cohen类时频分布的平移不变性,将连续Cohen类时频分布扩展到离散Cohen类时频分布。在分析研究其与连续Cohen类的关系后,利用核函数的分解与重构理论提出了一种用离散时频分析方法处理侦察信号的改进算法,通过计算机进行了仿真。     

某双转子发动机冲击振动的分频小波提取与故障分析

采用小波-时频方法对某双转子发动机地面实测数据进行了分析,得到了试车过程中系统在不同工作状态下振动的时频特征。在振动能量的时频分布图中,不同的频率区间内含有不同的冲击成份;在此基础上对信号在不同的频带进行谐波小波包分解,分解信号能量主要集中在某一个频带范围内,进一步分析可以确定系统滚动轴承失效模式。