时频变换

摘要： 在激波风洞中开展测力试验时,测力系统在风洞流场起动瞬间会受到冲击激励,从而对天平的输出信号产生惯性干扰.天平输出信号中叠加有动态气动力信号和惯性振动信号,有可能无法直接分辨出气动力信号的规律性,信号处理结果与真实气动力之间会产生较大的误差,导致处理结果不可靠.由于模型测力天平系统结构的复杂性,在极短的有效试验时间(毫秒级)内,天平信号中部分高频率分量(由结构高阶模态振动、非定常气动载荷或其他流场干扰等因素引起的高频干扰)有可能无法完全衰减,此时对信号直接进行传统的滤波处理和傅里叶变换分析反而有可能增大处理结果的误差.本文采用小波变换和希尔伯特-黄变换,针对尖锥标准模型的激波风洞天平信号,开展降噪和时频变换分析处理,旨在有效辨识出天平信号中的不同干扰成分,输出可靠的气动力结果.本文将时频变换方法应用于风洞天平冲击阶跃载荷的信号处理,对结果进行对比分析,验证了该方法在脉冲风洞测力试验数据处理中的有效性和可靠性,得到了比较理想的结果.

摘要： 针对传统雷达信号识别方法无法有效进行识别类型扩展的问题,提出一种基于知识蒸馏的雷达调制信号增量识别方法。本方法首先将雷达信号的平滑伪Wigner-Ville分布作为输入,然后利用基于残差的网络结构与已知的雷达信号数据训练得到最初的识别模型。在进行识别类型扩展时,利用知识蒸馏损失缓解类别增量过程中的灾难性遗忘,最后利用基于样本均值距离的数据集管理方法,保持雷达信号数据所占存储资源有限。实验表明,本文方法在存储资源有限的情况下,不需重新训练,对于扩展类型信号与原有类型信号均有良好识别准确率。

摘要： 针对雷达信号识别中因新信号数据与训练数据的样本差异,导致卷积网络模型识别率下降的问题,提出一种基于卷积网络和对抗学习的雷达信号识别算法,提升模型对新样本的识别率.首先,依据时频变换理论,变换得到雷达信号时域-频域能量分布图像,以表征信号脉内调制特征;然后,结合深度可分离卷积的结构,构建卷积网络模型,并利用样本数据对模型进行预训练;最后,融合生成对抗网络的思想,网络模型采用对抗学习方式,根据输入新样本数据自适应调整、更新网络各层参数,提升模型对新样本特征提取能力.仿真结果表明,-4dB信噪比样本识别率由79.78％提升到90.67％,-2dB信噪比样本识别率由83.15％提升到91.00％,验证了算法的有效性.

摘要： 针对同步跳频(FH)网台分选问题,该文提出一种基于时频域单源点检测的欠定盲源分离(UBSS)分选算法.该算法首先对观测信号时频变换,利用自适应阈值去噪算法消除时频矩阵背景噪声,增加算法抗噪性能,然后根据信号绝对方位差算法进行单源点检测,有效保证单源点的充分稀疏性,并通过改进的模糊值聚类算法完成混合矩阵和2维波达方向估计,降低噪声和样本集分布差异对聚类结果的影响,提高估计精度.最后采用变步长的稀疏自适应子空间追踪(SASP)算法对源信号进行重构恢复.仿真实验表明,该算法在低信噪比(SNR)条件下,跳频信号波达方向估计和恢复精度较高,能够有效完成同步跳频信号的盲分离.

摘要： 强噪声背景下变工况行星齿轮箱振动信号具有非平稳、调制等特点,传统时频分析方法难以获得高时频分辨率的时频图像.本文提出一种分数域最优窗函数Gabor变换方法,利用分数阶傅里叶变换(Fractional Fourier Transform,FrFT)处理线性调频信号的优越性,在分数域优化时频窗函数,获得最小广义时间带宽积原则下的最优窗函数,从而获得高时频分辨率、高能量聚集性的时频图像,且抑制背景噪声的干扰.通过仿真信号与行星齿轮箱故障信号分析,验证了本文方法在变工况行星齿轮箱故障诊断中的可行性与优越性.

摘要： 针对欠定混合模型的信源个数估计问题,提出一种基于时频变换与势函数聚类的混合信号信源个数估计新算法.首先介绍欠定信号混合模型;然后通过时频变换将观测信号变换到时频域进而构造变量构成聚类特性;最终采用势函数聚类的方法估计出信源个数.公式推导和仿真分析都证明该算法可以很好地估计出信源个数.仿真实验结果表明,新提出的算法与其它相同混合模型的算法相比具有更好的性能.

摘要： 煤矿随掘地震勘探将掘进机截割煤岩的振动能量作为震源,规避了炸药震源具有危险性隐患及防碍正常施工的缺陷,具备在煤矿开展正常掘进作业的同时进行井下地震勘探的优势.但与炸药震源相比,掘进机截割煤岩的能量较低,通过互相关得到的类脉冲源的信噪比低;并且,由于煤矿井下狭小的掘进空间里布设了各类设备,导致环境噪声频率成分复杂且能量通常较大,进一步降低了采集到的随掘信号的信噪比,影响了后续偏移成像等数据处理质量.将煤矿随掘地震信号的噪声衰减视作求解一个反问题,并基于互相关的随掘信号在时频域的系数分布相对于环境噪声呈现稀疏性的特征,提出了在反问题的求解过程中嵌入L1范数的约束,然后通过快速迭代算法求解该反问题以达到噪声衰减的目的.与传统阈值类小波去噪方法相比,由于本方法降低了时频系数扩散的影响,提高了时频系数的分辨率,当信号频率成分复杂时,噪声衰减后有效信号保真度更高.分别通过模拟和实际数据验证了方法的有效性.其中,模拟数据的频率分布由2种形式组成:主频(40,60 Hz)独立分布以及(20,60Hz)重叠分布,并在其基础上合成了3类不同信噪比的含噪信号(信噪比分别为10.8,6.8和1.2).传统方法和本方法的去噪结果证实:当信噪比较高以及主频独立分布时,传统方法和本方法的噪声衰减效果相当,而对于低信噪比并且主频有重叠的信号,本方法的去噪信噪比可以达到传统方法的4倍左右.而由于实际地震勘探数据的频率成分更复杂,通过2种方法用于实际信号的去噪效果对比,可以看出本方法在保持信号变化趋势及保护信号细节方面更具优势.

摘要： 为解决调制识别研究中较少考虑到不同信号的特征之间联系性的问题,搭建了卷积神经网络(CNN)来提取信号的彩色时频图对应的特征,并利用时频变换的分析方法,将一维信号处理成彩色时频图,通过卷积神经网络架构提取图像特征;同时为了提升算法在低信噪比下的分类识别准确率,对时频图像的纹理特征进行了特征提取,将提取到的纹理特征与卷积神经网络中提取到的特征进行特征融合.仿真实验结果表明,采用的时频卷积神经网络(TF–CNN)和TF–Resnet网络框架能够达到高精确度信号自动调制识别分类的目的.

摘要： 为了解决复杂体制下雷达脉内信号的识别问题,提出一种雷达脉内信号调制类型自动识别方法,首先对信号进行SPWVD时频变换,提取时频图像的中心矩和伪Zernike矩特征,然后将特征矢量输入到随机森林分类器中进行分类识别.仿真结果表明,该算法性能良好,能对常见的8种调制类型进行很好的识别.

摘要： 近年来,随着空中交通日益繁忙、空中电磁环境日趋复杂,传统二次雷达面临诸多挑战,S模式以其更高的精度、更加合理的询问应答方式、良好的数据链功能被广泛应用。本文针对S模式译码过程中遇到的交织干扰问题,提出基于信号级特征的辅助译码方法,通过对目标信号时频域特征进行训练匹配直接识别目标代码,可以有效提高译码效率。

摘要： 由于逆合成孔径雷达(ISAR)能够从固定或运动平台对飞机、舰艇等运动目标进行全天候、全天时、远距离成像，已经广泛受到世界各国的重视。基于傅里叶变换的传统ISAR 成像算法只适用于对平稳运动的目标成像，而不适于非平稳运动的目标成像。针对这一问题，本文采用基于时频变换的ISAR 成像算法对非平稳目标进行成像，获得了目标的一系列瞬时距离-多普勒图像，从而可以获知目标的瞬时状态。

摘要： 实际工作中的SAR会受到来自地杂波和人为的干扰,采用平滑伪WVD检测多分量目标，可以抑制WVD的交叉项干扰，提高时频聚集性,结合HOUGH变换,可以提高信号的参数估计精度,仿真了在调频干扰下利用平滑伪WVD-HT进行多分量信号参数估计。仿真结果验证了这种方法的有效性。

摘要： 基于时频分析技术的谱比法品质因子Q估计已成为地震资料Q估计最常用也最有效的方法之一.其中时频域常用的短时傅里叶变换(STFT)、小波变换(WT)和S变换三种时频分析方法,都存在各自的优点与不足.并且,在不断优化算法提高Q值估算精度的同时,探讨可估算Q的最小气层厚度也应该成为一个亟待解决的问题.

摘要： 该文将图像处理技术应用到雷达信号处理中,以空中旋转目标为研究对象,分析了其散射中心在窄带信号下的微多普勒效应,并给出了其参数化表达式.首先,利用短时傅立叶变换对窄带回波进行了时频变换,获取了回波时频图,并采用奇异值分解(SVD)方法对时频图进行了消噪处理.然后根据数学形态学中膨胀腐蚀的思想对消噪图进行了平滑和二值化处理,提取出了曲线骨架.最后利用Hough变换对曲线骨架进行参数提取.仿真结果验证了以上方法的有效性和准确性.

摘要： 本发明提供了一种基于能量重心法的扫频卷积变换时频分析方法，包括以下步骤：步骤一、对实验信号做希尔伯特变换得到信号的解析信号；步骤二、构建一个频率从0到二分之一采样频率范围内变化的复数正弦扫频序列；步骤三、对解析信号进行移动加窗操作，得到一系列的加窗信号段；步骤四、将加窗信号与复数正弦扫频序列进行卷积；步骤五、利用能量重心法对卷积序列能量谱进行校正，可以得到最大能量峰值位置在复数正弦扫频序列中的坐标；步骤六、通过能量峰值坐标计算出信号的瞬时频率；应用本技术方案可实现分析平稳信号和非平稳信号时，计算精度高，计算时间短。

摘要： 本发明公开了一种三参数W变换的地震储层识别时频分析方法，包括以下步骤：S1、输入待分析的原始二维地震剖面s(x；t)，x为道数，t为时间，对每一道地震道信号s(t)逐一分析；S2、选择三参数标准差中合适的参数集Φ＝(k1,k2,p)；S3、根据上述S2来计算三参数高斯窗口g(t,f；Φ)；S4、根据S3利用三参数W变换获取时频结果TPWT(t,f；Φ)；S5、对TPWT(t,f；Φ)取模，得到每一时频点能量，从而得到三参数W变换的时频谱；S6、采用傅氏变换计算原始地震道信号的频率范围，将频率最大值设置为高频值，将频率相对较低的频率设置为低频值，然后从S5得到的时频谱中分别抽取高频值和低频值对应的共频率剖面。通过对比两个共频率剖面中地震信号的衰减情况来证实该套地震资料中储层的存在。

摘要： 本发明公开了一种基于时频分析和霍夫变换的主动目标速度的分类方法，首先对主动声呐接收到的回波信号进行时频分析；再利用霍夫变换的点线对偶特性将时频平面上的回波线映射为点；再对霍夫矩阵进行映射、延展和截取；最后利用卷积神经网络进行速度分类。利用该方法可以较准确地分类出目标速度，增强主动目标的分类识别能力。

摘要： 本发明公开了一种基于可变滑动窗口的短时线性正则变换时频分析方法，包括以下步骤：S1：获取非平稳信号数据；S2：依据分析任务与非平稳信号特征对原信号进行切分，采用不同的滑动窗口函数对子段信号进行离散短时线性正则变换，得到子段信号频谱；S3：将各子段信号的频谱结果组合；S4：将组合获得的完整非平稳信号的时间与频谱变化关系的时频分布图在示波器中输出。本发明基于非平稳信号的特征，对各信号子段选择不同的滑动窗口函数，形成基于可变滑动窗口的短时线性正则变换时频分析方法。该方法不仅保留了短时线性正则变换的优点，且基于可变窗函数分析，获得了更精确的信号局部时频分布结果。

摘要： 本发明提供一种基于去尺度S变换的地震信号时频变换方法，包括：获取地震信号数据，并进行预处理，获取地震时间序列数据；根据去尺度S变换方法对地震时间序列数据进行变换，获取地震信号变换后的时频表示结果；根据时频表示结果计算获取地震属性参数。该方法针对S变换存在的问题，通过去除尺度因子进行修正，消除了S变换对宽频带地震信号时频分析的误导作用，同时保留S变换的多分辨率特征和与傅里叶频谱的直接关系。

摘要： 本发明涉及石油地球物理勘探技术领域，公开了一种有限频率S变换方法、一种地震信号的时频变换方法和系统以及一种地震信号的AVAF分析方法，所述有限频率S变换方法包括：基于被测信号确定一个有限频率域；以及基于广义傅里叶变换的α域的表达形式，在所述有限频率域内对被测信号进行S变换。所述地震信号的时频变换方法包括：取地震信号为被测信号；采用所述有限频率S变换方法对地震信号进行时频变换。所述地震信号的AVAF分析方法包括：采用上述时频变换方法对地震信号进行时频变换，得到对应的时频谱；以及基于时频谱，进行地震信号的AVAF分析。本发明既保存了在频率域进行S变换高分辨率的特征，又极大减小了S变换的计算量，为AVAF反演提供了基础。

摘要： 本发明涉及一种基于时频变换与动态模式分解的分类系统及方法，属于数据分类、图像分类及信号识别技术领域。所述系统,包括预处理模块、时频分析模块、动态模式分解模块、能量特征提取模块、各阶矩求解模块以及分类模块；所述方法，包括：将采集的数据进行预处理得到有效信号；将有效信号先进行时频分析再动态模式分解，得到多个特征值与动态模态并排序得到从大到小的能量值、对应特征值与动态模态，组合形成能量特征矩阵；提取能量特征矩阵的前S个元素并丢弃后续数据，更新能量特征矩阵，再求该能量特征矩阵的二范数得到变换后的特征矩阵；基于变换后的特征矩阵作为待分类数据进行阈值分类并输出分类结果。所述方法能实现了较高的分类准确率。

摘要： 本发明涉及地质勘探技术领域，具体地说是一种基于高分辨时频变换的可控震源地震资料黑三角区噪音压制方法，将含有黑三角噪音的可控震源地震资料分选到共反射点道集，对分选出来的共反射点道集进行正常时差校正，根据黑三角噪音的最大视速度、开始处理时间并结合正常时差校正公式定义黑三角噪音的分布范围并作为噪音压制的区域，对共反射点道集中的各个地震道作高分辨时频变换，将时域数据转换为时频域数据，获取黑三角噪音与有效信号之间的特征差异，利用维纳滤波技术压制黑三角噪音，对压制后的时频域地震道进行反时频变换，本发明同现有技术相比，能够在保护有效信号的基础之上对黑三角噪音进行精准压制，具有较好的应用价值。

摘要： 本发明公开了一种时频尺度变化的曲线轨迹双基前视SAR成像方法，主要解决现有曲线轨迹双基前视SAR成像技术中参数空变严重，导致图像边缘区域无法高分辨聚焦的问题。其实现方案为：获取曲线轨迹双基前视SAR回波信号，对回波信号进行距离向走动校正和二阶楔形时频变换；对时频变换后的信号进行高阶徙动校正和距离压缩，完成对回波信号的距离向处理；基于方位向空变模型构建高阶扰动因子和非线性变标因子重构距离向处理后的信号方位向频谱，得到多普勒参数一致的回波信号，并对其进行统一聚焦，得到聚焦后的SAR图像。本发明提升了曲线轨迹双基前视SAR成像图像的边缘区域聚焦深度，提高了图像质量，可用于前视高分辨探测。

摘要： 本发明涉及一种基于空域特征时频变换的运动想象脑电解码方法，属于神经信息解码技术领域。本发明使用巴特沃斯带通滤波器获得脑电信号的目标频段，然后使用CSP算法对目标频段进行空域滤波，并将数据做标准化处理，再通过连续小波变换得到信号的时频能量图，时频图作为卷积神经网络的输入，最终得到该段信号的分类结果。本发明可以作为一种结合时间，频率，空间信息的运动想象脑电解码策略，所提出的空域滤波特征提取方法以及卷积神经网络模型搭建为在线脑机接口系统的实现提供了新的思路。