导读:本文包含了非平稳信号论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:平稳,信号,递归,分解,傅立叶,多相,稀疏。
非平稳信号论文文献综述
甘屹,李平阳,孙福佳[1]（2019）在《基于EMD+FFT联合滤波方法在机床主轴非平稳信号分析中的应用》一文中研究指出针对数控磨床主轴振动信号中噪声影响特征值提取的问题,提出了一种基于经验模态分解方法(EMD)与快速傅里叶变换(FFT)联合的滤波方案。首先利用经验模态法(EMD)将主轴振动信号分解成若干个满足内禀模态函数的IMF分量,再利用快速傅里叶变换对每个IMF分量做时频转换,可以得出IMF分量的频域图谱。对包含噪声的IMF分量进行阈值滤波,得到降噪后的IMF分量,将IMF分量重新合成为原信号。利用仿真信号对该方法实验,同时对数控机床主轴信号进行实际测试表明,该方法不仅仅能够很好地分解出主要频率成分,同时弥补了FFT变换无法分析非平稳信号的缺点,提高了EMD算法的精度,有效地滤除主轴信号中的噪声成分。(本文来源于《农业装备与车辆工程》期刊2019年08期）
郝国成,李飞,白雨晓,王巍[2]（2019）在《基于NDSST的非平稳信号时频分析算法》一文中研究指出应用时频分析方法研究含噪非平稳信号的时间-频率联合分布特性,De-shape SST (De-shape synchrosqueezing transform)算法具有良好的时频表现,但其抗噪性能及算法的鲁棒性还有待提高。提出基于非线性匹配追踪(nonlinear matching pursuit, NMP)分解的De-shape SST算法(nonlinear matching pursuit De-shape synchrosqueezing transform, NDSST),利用NMP良好的重构特性对非平稳信号进行稀疏重构,再进行De-shape SST时频分析,提高算法的抑制噪声能力和鲁棒性的同时,保留了良好的时频分布聚集度。数值仿真实验结果表明,对于单频、变频、线性调频和组合变频信号,NDSST算法可以得到高锐化度的时频分布表示,并且在低信噪比(sinal noise ratio, SNR)条件下依然具有优越的抗噪声性能。在金属破裂样本信号分析应用中,NDSST算法能够清晰地得出金属发生破裂的时间-频率范围,为工程实践中设置监测传感器的阈值提供判断依据。(本文来源于《武汉大学学报(信息科学版)》期刊2019年06期）
吴文军[3]（2019）在《基于HHT和机器学习的非平稳信号分析》一文中研究指出随着科学技术的发展,非平稳信号分析已成为许多工程领域的重要组成部分。时频分析方法是用于非平稳信号分析的常用方法。希尔伯特-黄变换(Hilbert-Huang Transform,HHT)作为一种全新的自适应的非平稳和非线性信号分析方法,相比于传统的时频分析方法拥有更加锐利的时频分辨率。HHT包含了两个关键部分:经验模态分解(Empirical Mode Decomposition,EMD)和希尔伯特谱分析(Hilbert Spectrum Analysis,HSA)。EMD能够自适应地将非平稳信号分解为有限数目的内部模态函数(Intrinsic Mode Functions,IMF),对IMF进行希尔伯特变换(Hilbert Transform,HT)就可以得到非平稳信号的时频分布。由于缺乏坚实的数学基础,EMD的实现仍然是经验性的,这导致HHT方法仍然存在一些问题,进而严重影响了其分析结果。本文主要对HHT中的端点效应和模态混迭问题进行研究,利用HHT及其改进方法对一类非平稳通信信号进行了分析。本文的主要研究内容如下:首先,利用HHT以及几种传统的时频分析方法对常见的非平稳信号进行了时频分析,结果表明HHT方法对于非平稳信号分析具有更加优异的时频分析性能。其次,针对HHT中存在的端点效应问题,阐明了端点效应的存在原因,总结了现有解决方法。重点介绍了极值镜像延拓法、基于支持向量回归的波形延拓法和基于极限学习机的波形延拓法。提出了一种基于极限学习机与极值镜像的延拓方法,综合正交性系数、相似系数以及模型训练时间等评价指标来看,该方法能够有效的抑制端点效应问题。再次,针对HHT中的模态混迭问题,阐明了模态混迭的产生原因,总结了现有解决方法。重点介绍了自适应噪声完备总体经验模态分解(Complete Ensemble Empirical Mode Decomposition With Adaptive Noise,CEEMDAN)、频移法以及掩膜信号法这叁种解决模态混迭的方法;提出了一个掩膜信号法的实施原则,该实施原则能够指导研究人员更好的利用掩膜信号法。最后,利用HHT及其改进方法对一类非平稳通信信号进行了分析。结果表明,在无高斯白噪声的条件下,利用HHT方法能够准确的分析出信号中的时频特征;在有高斯白噪声条件下,HHT方法的分析性能减弱,采用CEEMDAN和HSA作为HHT的改进方法能对非平稳通信信号的频率信息进行有效的提取。(本文来源于《电子科技大学》期刊2019-04-15）
贾强辉[4]（2019）在《递归图在非平稳信号中的应用分析》一文中研究指出随着桥梁结构健康监测理论的快速发展,运用布置在桥梁上的健康监测系统采集到的环境振动响应信号来对桥梁结构进行损伤识别以及荷载识别等方面的分析研究受到越来越多的学者的关注。由于实际桥梁工作荷载和环境荷载的复杂性和多变性,桥梁健康监测信号本质上是非平稳的。因此,实际桥梁监测的信号处理和分析,首先要解决的问题是判断信号是平稳的还是非平稳的,如果信号是平稳的,则可以用普遍采用的平稳信号处理方法如傅里叶变换进行分析处理;如果信号是非平稳的,则需要进一步搞清楚其非平稳的程度。递归图以及递归量化分析理论是一种新的分析与处理非平稳信号的方法。本文采用递归图理论以及递归量化分析方法来研究信号的非平稳性,提出一个信号非平稳程度的评价指标。然后,采用数值模拟信号以及桥梁健康监测实测振动信号来检验评价指标的适用性和可靠性,研究具有重要的理论意义和工程实用价值。论文首先综述了递归图及递归量化分析理论的国内外文献,对递归图及递归量化分析的理论背景、研究现状及应用领域进行了详细的论述,并且概述了递归图的定义、物理意义及构造方法。递归图通过信号的相空间重构来建立递归矩阵,并将递归矩阵用图形加以表现,形象直观。递归量化分析则是利用递归图上的各种反映信号特性的典型模式来对信号进行分析与计算,从而达到对非平稳信号进行定量分析的目的。根据递归图中的平稳与非平稳模式对模拟信号进行定性分析,在定性分析的基础之上,分析比较能够反映系统平稳性的基于垂直线的递归量化分析测度,选取层状度(LAM)作为信号非平稳性及非平稳程度的评价指标,利用实测的桥梁振动信号来检验所提出的层状度(LAM)这一非平稳性评价指标的适用性和可靠性。用发生碰撞事故的武汉市阳逻长江公路大桥健康监测系统采集到的数据来对选定的评价指标层状度(LAM)进行检验,对大桥发生碰撞时以及碰撞前后采集到的振动信号进行计算分析,得出这叁个不同时间段的振动响应信号的非平稳程度的评价结果。从评价结果中可以看出,层状度(LAM)能够比较好的判断信号的非平稳性以及评价信号的非平稳程度,而且能够体现桥梁在遭受碰撞时的振动信号的非平稳程度相较遭受碰撞前后的变化,进一步表明所提出的层状度(LAM)是一种判断信号的非平稳性以及评价信号的非平稳程度的可靠的指标。(本文来源于《合肥工业大学》期刊2019-04-01）
阮婉莹,陈明义,秦松岩,马增强[5]（2019）在《一种高时频聚集性的方法在非平稳信号分析中的应用》一文中研究指出非平稳信号广泛存在于自然界及工程实践中,时频分析是处理非平稳信号的有力工具。时频聚集性是评价时频分析方法的重要指标,传统时频分析方法在时频聚集性上已经不能满足要求,同步压缩小波变换将小波系数在频率方向进行压缩,能够有效提高时频聚集性。本文将此方法分别用于不同信噪比下的单分量及多分量信号分析,并与传统方法对比。结果表明该方法具有较强的噪声鲁棒性,对于复杂多分量信号仍能保持高时频聚集性。最后用于变转速滚动轴承故障信号分析,进一步验证了此方法的实用性。(本文来源于《石家庄铁道大学学报(自然科学版)》期刊2019年02期）
陈颖频[6]（2019）在《非平稳信号时频分析与地震频谱成像研究》一文中研究指出为了提高油气储层预测和流体识别精度,非平稳地震信号的时频域去噪方法和高精度时频分析研究日趋活跃。本文以非平稳地震信号的分析和处理为研究课题,重点研究了非平稳地震信号的去噪技术、基于分数阶傅立叶变换的高精度时频分析方法、基于稀疏正则约束的稀疏时频分析方法等。主要研究内容分为以下几个方面:(1)研究了非平稳信号时频分析方法和数据预处理方法。时频分析方法和数据预处理是分析非平稳信号的重要技术。由于非平稳信号源的复杂多变性,时频分析和数据预处理问题是非常有挑战性和活跃的研究话题。第一部分调研了各类经典的时频分析和数据预处理方法。(2)提出一种基于交迭组稀疏的广义全变分去噪方法。该方法重点讨论了基于交迭组稀疏的改进广义全变分方法。广义全变分模型是全变分模型的推广并被证明是能够有效去除全变分模型阶梯效应的方法,然而,该模型独立处理每个像素,忽略了图像的结构相似先验。因此,广义全变分模型对于大幅度噪声并不鲁棒。本部分的研究动机是通过利用图像的结构相似性进一步提高广义全变分模型的去噪性能。通过引入交迭组稀疏到广义全变分模型,挖掘图像一阶和二阶领域差分梯度信息的结构相似性,从而达到提高广义全变分模型对重噪声污染的鲁棒性。为求解提出模型,使用了加速重启的交替乘子迭代法(Alternating Direction Method of Multipliers,ADMM),将复杂的多约束问题转为若干子问题。为避免空域大型矩阵的运算,将差分算子视为卷积形式,然后利用快速傅立叶变换和卷积定理求解提出模型。针对不同噪声的地震信号进行去噪实验发现如下结论:1)提出模型特别对平滑区域的重噪声有较好的去噪效果;2)带重启的加速交替乘子迭代法算法能求解提出模型,比ADMM效率高;3)组合块的大小需要合理选择,从而获得最佳的去噪性能。(3)提出一种基于分数阶傅立叶变换和贪婪策略的高精度时频分析方法。Wigner-Ville分布是一种在地震信号处理领域具有高分辨率的重要时频分析技术,然而它被大量交叉项干扰。为了在去除Wigner-Ville分布交叉项的同时保持其良好的聚集性,本文提出一种基于分数阶傅立叶变换和贪婪策略的多向自适应模糊域窗函数。首先从Cohen类与Gabor变换的关系出发,并充分利用贪婪策略和分数阶傅立叶变换的旋转特性获得模糊域自适应多方向窗,把最优分数解Gabor变换的单方向、一维的最优窗函数推广为二维的、多向模糊域窗函数。通过这种方法,在处理多成分信号时,多向窗函数能准确匹配Wigner-Ville分布的交叉项。利用贪婪策略,提出方法能将最优方向以及其他子方向充分考虑,从而避免了最优分数阶Gabor变换的局部聚集现象。(4)提出一种基于一阶原始对偶优化的稀疏时频分析方法。时频分析广泛应用于多种工程领域。但是传统时频分析方法存在分辨率低或者交叉项干扰。为解决上述问题,提出一种基于L1范数约束的稀疏时频分析方法,从而满足信号局部频谱的稀疏先验。首先阐述了稀疏频谱与短时测量的关系,提出了局部时间频谱反演模型。然后,利用一阶原始对偶方法求解提出模型。通过这种方法,使得重构的频谱变得稀疏。一方面,提出算法的聚集性在L1范数约束下变得稀疏,另一方面,由于提出方法基于短时傅立叶变换和凸优化技术,可以避免交叉项干扰。为了反映算法效果,文章分别对理论信号和实际地震信号进行实验并对比了其他先进的时频分析方法。结果显示,提出方法相比于其他对比算法能获得更加准确的时频谱分布。(5)提出一种基于Lp伪范数和交替乘子迭代法的稀疏时频分析方法。该方法中,视短时截断数据为稀疏表示中的观测信号并设计了一种字典矩阵,建立起短时测量和稀疏频谱之间的关系。基于这种关系和Lp伪范数描述的稀疏约束,稀疏时频表示模型得以建立,然后利用交替乘子迭代法求解提出模型。通过若干合成信号、一道实际地震信号和一组含有天然气的地震剖面进行实验。这些实例都显示提出方法相比于一些先进的时频分析方法能够获得更高分辨率的时频图。因此提出方法对于地震勘探具有重要意义。(6)提出一种基于匹配追踪算法的稀疏时频分析方法。基于匹配追踪方法的稀疏时频表示有效避免了短时傅立叶变换的低分辨率问题,保持了局部信号的稀疏频谱先验。实验表明,提出方法能获得高分辨率时频谱,相比一些先进的时频分析方法更具有竞争优势,这对地震信号谱分解具有重要意义。(本文来源于《电子科技大学》期刊2019-03-20）
魏言[7]（2018）在《转子故障非平稳信号时频分析及诊断方法研究》一文中研究指出随着现代机组向着高参数、大容量方向发展以及高低位双轴布置等新技术的应用,机组在运行中容易出现一些无法预知的故障,转子系统能否高效稳定运行关乎着电厂的安全生产和经济效益,因此有必要对机组的工作状态进行监测以及开展故障诊断工作。本文从转子振动故障非平稳信号时频分析和故障诊断的角度出发,对转子系统运行中出现的几种典型故障的诊断和模式识别开展了深入研究,主要内容如下:首先,研究了集合经验模态分解(EEMD)信号时频分析方法,通过观察分析仿真信号IMF分量以及HHT分析,验证了添加了高斯白噪声的EEMD算法分解性能要优于EMD,同时也体现了EMD、EEMD存在的难以根除的模态混迭与端点效应缺陷。其次,研究了改进的固有时间尺度分解(ITD)、相关系数、奇异值分解(SVD)联合LSSVM的转子故障诊断方法。首先对于ITD波形失真问题,引入改进的ITD算法,仿真结果表明改进的ITD算法能够有效解决波形失真问题。然后采用相关系数法去除改进ITD算法分解PRC分量中的虚假分量,提取相关系数较大的有效分量的SVD特征向量值,输入最小二乘支持向量机(LSSVM)进行故障诊断,提高了故障诊断效率。最后在模化转子试验台上采集了转子不平衡、转子不对中、动静碰磨、油膜涡动四种故障的实验信号,应用上述方法对实测信号进行分析诊断,结果表明该方法能够有效地提取故障特征并进行有效识别。最后,研究了基于可变模式分解(VMD)、相对熵(Re)、云模型和优化LSSVM的转子故障诊断方法。首先使用改进果蝇优化算法对LSSVM超参数进行优化,提高了LSSVM的机器学习性能。利用相对熵来衡量各个分量与原信号的相似度,有效避免了过分解。选取相对熵值最小的分量采用逆向云发生器进行故障特征提取,然后输入优化LSSVM进行分类识别,对于汽轮机组状态在线监测与故障诊断来说,可以有效减少实时数据处理量。最后采用动静碰磨、油膜涡动实验信号对该方法进行验证,并与EMD-Re云模型、EEMD-Re云模型识别结果进行对比,结果表明VMD-Re云模型能够实现转子故障的准确诊断,且相比于EMD、EEMD诊断方法更具有优势。(本文来源于《华北电力大学》期刊2018-12-01）
张雪凤[8]（2018）在《基于HHT理论的非平稳信号研究与应用》一文中研究指出1998年,美国工程院院士Norden E.Huang提出了一种全新的信号处理方法即希尔伯特黄变换(Hilbert-Huang Transformation,简称为HHT)。该方法主要包括经验模态分解和希尔伯特谱分析两部分,其核心部分是通过经验模态分解得到信号的固有模态函数及瞬时频率。此方法一经提出被广泛应用于地质、医疗、工程等领域。文中介绍了HHT方法的基本理论概念及算法流程,通过HHT算法分解线性/非线性、平稳/非平稳信号的实验结果表明,由于叁次样条插值取信号包络线时不能取得端点值,导致端点包络信息处理不准确,从而产生信号两端的端点效应问题及信号内部的过冲、欠冲等问题。文中提出了两种改进的HHT方法,即基于BP神经网络的HHT方法和多点镜像延拓的HHT方法。在基于BP神经网络改进HHT方法中,先利用BP神经网络预测待分解信号的新极值点,截取两端信号为叁次样条插值所需的极值点;在多点镜像延拓改进HHT方法中,直接利用多点镜像延拓值作为叁次样条插值所需的极值点,待采集到新的极值点后进行经验模态分解得到固有模态函数,通过上述两种改进方法,端点效应问题得到了明显改善。同时为验证信号分解过程中所产生的虚假分量,利用相关系数方法和归一化互信息理论方法分别对固有模态函数进行判断,实验结果表明:利用归一化的互信息理论可以明显的辨别改进HHT算法中的虚假信号,验证了改进算法的优越性。船用柴油机具有非平稳、非线性的信号特点,以船用柴油机缸盖振动信号为研究对象,将改进的HHT方法与HHT方法分别从固有模态函数和瞬时频率两方面进行实验对比分析,仿真实验结果表明改进的HHT方法能很好地复原原信号,并且有效地解决了端点效应问题。(本文来源于《哈尔滨工程大学》期刊2018-12-01）
周围,梁琦[9]（2018）在《非平稳信号实时谱分析算法及其FPGA实现》一文中研究指出针对传统谱分析仪不具有实时谱检测功能且非平稳瞬态信号分析能力不足的问题,提出一种实时谱分析方法并利用FPGA(field-programmable gate array)平台硬件实现。该方法采用长度逼近平稳信号的观察窗、多相滤波器组、线性调频Z变换(chirp Z transform,CZT)频谱细化算法和谱分析算法实现信号实时谱分析。根据系统时延分析和用户输入参数对FPGA各模块时钟频率与运算参数进行配置。仿真结果表明,该方法克服了传统基于快速傅里叶变换(fast fourier transform,FFT)算法全景谱分析和短时傅里叶变换时频相互制约的缺陷;对于平稳信号频率测量误差小于0.6%和功率误差小于4.5%,系统最大时延小于37μs;对于长度为32.768μs的非平稳信号最大时间测量误差和频率测量误差分别为0.836μs和94 k Hz。该设计除有22.558μs的初始计算延时外,对连续数据处理具有实时性能。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2018年05期）
叶华,谭冠政,李广,刘晓琼,李晋[10]（2018）在《基于稀疏表示与粒子群优化算法的非平稳信号去噪研究》一文中研究指出非平稳信号的去噪是信号处理中的热点和难点。文中以冲击原子作为稀疏表示基,构建了仅对人文噪声敏感的冗余字典。并使用粒子群优化算法对匹配追踪算法进行优化,提出了基于稀疏表示与粒子群优化算法的非平稳信号去噪方法。为检验方法的有效性,论文首先进行了针对性的仿真实验。然后将所述方法用于实测的大地电磁信号处理。结果表明,所述方法可以在保留有用信号的前提下,有效分离出类充放电噪声、脉冲噪声以及其它多种不规则噪声,显着提高非平稳信号的信噪比。(本文来源于《红外与激光工程》期刊2018年07期）
非平稳信号论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
应用时频分析方法研究含噪非平稳信号的时间-频率联合分布特性,De-shape SST (De-shape synchrosqueezing transform)算法具有良好的时频表现,但其抗噪性能及算法的鲁棒性还有待提高。提出基于非线性匹配追踪(nonlinear matching pursuit, NMP)分解的De-shape SST算法(nonlinear matching pursuit De-shape synchrosqueezing transform, NDSST),利用NMP良好的重构特性对非平稳信号进行稀疏重构,再进行De-shape SST时频分析,提高算法的抑制噪声能力和鲁棒性的同时,保留了良好的时频分布聚集度。数值仿真实验结果表明,对于单频、变频、线性调频和组合变频信号,NDSST算法可以得到高锐化度的时频分布表示,并且在低信噪比(sinal noise ratio, SNR)条件下依然具有优越的抗噪声性能。在金属破裂样本信号分析应用中,NDSST算法能够清晰地得出金属发生破裂的时间-频率范围,为工程实践中设置监测传感器的阈值提供判断依据。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
非平稳信号论文参考文献
[1].甘屹,李平阳,孙福佳.基于EMD+FFT联合滤波方法在机床主轴非平稳信号分析中的应用[J].农业装备与车辆工程.2019
[2].郝国成,李飞,白雨晓,王巍.基于NDSST的非平稳信号时频分析算法[J].武汉大学学报(信息科学版).2019
[3].吴文军.基于HHT和机器学习的非平稳信号分析[D].电子科技大学.2019
[4].贾强辉.递归图在非平稳信号中的应用分析[D].合肥工业大学.2019
[5].阮婉莹,陈明义,秦松岩,马增强.一种高时频聚集性的方法在非平稳信号分析中的应用[J].石家庄铁道大学学报(自然科学版).2019
[6].陈颖频.非平稳信号时频分析与地震频谱成像研究[D].电子科技大学.2019
[7].魏言.转子故障非平稳信号时频分析及诊断方法研究[D].华北电力大学.2018
[8].张雪凤.基于HHT理论的非平稳信号研究与应用[D].哈尔滨工程大学.2018
[9].周围,梁琦.非平稳信号实时谱分析算法及其FPGA实现[J].重庆邮电大学学报(自然科学版).2018
[10].叶华,谭冠政,李广,刘晓琼,李晋.基于稀疏表示与粒子群优化算法的非平稳信号去噪研究[J].红外与激光工程.2018
论文知识图
