提高時頻分辨率對多分量非平穩(wěn)信號的分析與重建具有至關(guān)重要的作用。傳統(tǒng)的時頻分析方法由于窗口固定,分析頻率變化較快的信號時存在時頻聚集性不高的問題,無法自適應(yīng)分辨多分量信號。該文針對頻率快速變化信號,利用信號的局部信息特征,提出一種自適應(yīng)的時頻同步壓縮變換算法。該方法有效提升了已有同步壓縮變換時頻分辨率,特別適用于頻率接近且快速變換的多分量信號。同時,利用可分性條件,該文提出利用局部瑞利熵值對自適應(yīng)窗口參數(shù)進行估計。最后,通過對合成信號和實測信號分析,證明了所提方法的可行性,對分析和重建復(fù)雜非平穩(wěn)信號具有重要意義。 

【文章來源】：電子與信息學(xué)報. 2020,42(02)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1兩分量線性調(diào)頻信號的各種時頻處理結(jié)果圖

圖1(c)為WVD時頻圖；圖1(d)—圖1(f)分別為自適應(yīng)STFT、自適應(yīng)FSST和自適應(yīng)2階FSST時頻圖。可以看出，自適應(yīng)STFT具有時變的分辨特性，自適應(yīng)FSST和自適應(yīng)2階FSST均比固定參數(shù)下的FSST能量聚集程度高，且自適應(yīng)2階FSST效果最佳。而WVD雖可以提高能量聚集性，但是存在交叉項干擾。圖2(a)為由本文時頻參數(shù)估計算法的處理結(jié)果，與圖1(d)—圖1(f)的結(jié)果相對應(yīng)。觀察圖2(a)，可以發(fā)現(xiàn)，窗口參數(shù)與時間呈負相關(guān)關(guān)系，即窗口在頻率低的部分長，在頻率高的部分短，實現(xiàn)了自適應(yīng)分析信號。同時，為了進一步說明提出方法的可靠性，給信號加入不同強度的噪聲，信噪比分別為0dB,5dB,10dB,15dB,20dB和25dB。對比不同信噪比環(huán)境下各方法的全局瑞利熵值，其結(jié)果如圖2(b)所示。可以看出，本文提出的自適應(yīng)同步壓縮算法具有較高的能量聚集性。4.2實測信號分析為了驗證方法的普適性，本文將其應(yīng)用于實測信號—蝙蝠回波信號[15]。該信號包含400個數(shù)據(jù)采樣點，采樣間隔為7ms，總采樣時間為2.8ms，波形如圖3(a)所示，頻譜如圖3(b)所示�？梢钥闯觯鸹夭ㄐ盘栴l帶較寬，無法從頻譜圖中得知信號頻率隨時間的變化關(guān)系。圖3(c)—圖3(f)為采用不同方法對蝙蝠回波信號的分析結(jié)果�？梢钥闯�，蝙蝠回波信號是一個多分量信號，包含4個非線性圖2兩分量線性調(diào)頻信號的處理結(jié)果圖圖3蝙蝠回波信號的處理結(jié)果圖442電子與信息學(xué)報第42卷

圖1(c)為WVD時頻圖；圖1(d)—圖1(f)分別為自適應(yīng)STFT、自適應(yīng)FSST和自適應(yīng)2階FSST時頻圖。可以看出，自適應(yīng)STFT具有時變的分辨特性，自適應(yīng)FSST和自適應(yīng)2階FSST均比固定參數(shù)下的FSST能量聚集程度高，且自適應(yīng)2階FSST效果最佳。而WVD雖可以提高能量聚集性，但是存在交叉項干擾。圖2(a)為由本文時頻參數(shù)估計算法的處理結(jié)果，與圖1(d)—圖1(f)的結(jié)果相對應(yīng)。觀察圖2(a)，可以發(fā)現(xiàn)，窗口參數(shù)與時間呈負相關(guān)關(guān)系，即窗口在頻率低的部分長，在頻率高的部分短，實現(xiàn)了自適應(yīng)分析信號。同時，為了進一步說明提出方法的可靠性，給信號加入不同強度的噪聲，信噪比分別為0dB,5dB,10dB,15dB,20dB和25dB。對比不同信噪比環(huán)境下各方法的全局瑞利熵值，其結(jié)果如圖2(b)所示。可以看出，本文提出的自適應(yīng)同步壓縮算法具有較高的能量聚集性。4.2實測信號分析為了驗證方法的普適性，本文將其應(yīng)用于實測信號—蝙蝠回波信號[15]。該信號包含400個數(shù)據(jù)采樣點，采樣間隔為7ms，總采樣時間為2.8ms，波形如圖3(a)所示，頻譜如圖3(b)所示。可以看出，蝙蝠回波信號頻帶較寬，無法從頻譜圖中得知信號頻率隨時間的變化關(guān)系。圖3(c)—圖3(f)為采用不同方法對蝙蝠回波信號的分析結(jié)果�？梢钥闯�，蝙蝠回波信號是一個多分量信號，包含4個非線性圖2兩分量線性調(diào)頻信號的處理結(jié)果圖圖3蝙蝠回波信號的處理結(jié)果圖442電子與信息學(xué)報第42卷


本文編號：3492753