多分量非平穩(wěn)信號的時頻分析方法研究.pdf

1、自然界中的信號如地震信號、語音信號、生物醫(yī)學信號等均為非平穩(wěn)信號，為了解我們需要的相關信息，尋找一種能夠同時分析非平穩(wěn)信號的時間和頻率信息的工具至關重要。因此，近年來時頻分析方法的研究受到廣泛的關注。隨著技術的發(fā)展，單分量信號的時頻分析技術已經比較成熟，其魏格納-維利分布(Wigner-ville Distribution，WVD)、Teager能量算子、參數化時頻分布等都能夠得到時頻集中度較高的分析結果。因此，本文研究的重點是多分量信

2、號的時頻分析。
　　現有的時頻分析方法神類繁多，相關算法的切入角度也不同，通過對現有主流算法的研究，本文根據算法中是否有參數的估計將現有的主流算法分為兩大類:參數化時頻分布和非參數化時頻分布。本文在充分研究各算法的優(yōu)缺點后，提出并實現三種效果較好的改進方案。
　　(1)對短時傅里葉變換(Short-time Fourier Transform，STFT)的解釋存在兩種觀點:變換的觀點和濾波的觀點。其中變換的觀點早已在學界廣為

3、熟知。而濾波觀點的STFT，頻率分辨率僅取決于選取的通道數，時間分辨率甚至可以精確到信號的采樣間隔，并且濾波觀點的STFT對濾波器的沖激響應長度沒有限制。通過研究濾波觀點的STFT，我們發(fā)現改變?yōu)V波器的沖激響應長度會改變信號短時分布的時頻集中度。對于固定調頻參數的單個線性調頻(Linear FrequencyModulated，LFM)信號來說，濾波器沖激響應長度越長，時頻分布的時頻集中度先變高后又降低。其次我們發(fā)現調頻參數越小，其最佳

4、的沖激響應長度越長。因此，如果所研究的信號大概調頻范圍能夠事先獲知，我們就可以選取合適的沖激響應長度，并且得到好的時頻分布。如果所研究的信號為多分量信號，可以將濾波觀點的STFT和WVD結合，經過實驗驗證其效果優(yōu)于傳統(tǒng)STFT和WVD結合。
　　(2)參數化時頻分布主要是針對單分量LFM信號提出的，本文在研究單分量LFM信號的參數化時頻分布時發(fā)現，如果估計的參數不合適，時頻集中度會很低。因此對于多分量LFM信號，在得到各分量的調頻

5、參數之后，本文提出時頻疊加的算法，有效提升了時頻集中度。
　　(3)參數化時頻分布在每一步迭代過程中的參數擬合，主要依據的是從時頻圖像中提取的嵴沿，即局部最大值。但是最大值的提取在信噪比較低的時候會出現較大的誤差，并且，如果研究的信號為多分量LFM信號，極大值的提取會更加困難，這也必然會導致參數化時頻分布的最后結果變得不理想。本文將圖像處理中常用的Hough變換替換之前算法中的嵴沿提取和擬合，以改善多分量調頻參數的估計的結果。Ho

6、ugh變換不僅在信噪比較低的時依然可以估計出比較準確的參數，并且對于多分量信號也可以同時得到多個估計參數。
　　(4)以上提出的兩種算法主要適用于多分量LFM信號，對于非LFM信號則不適用。本文將連通域的概念引入到區(qū)域劃分的過程以便準確得到各分量的參數。但是通過實驗發(fā)現，對于分量頻率軌跡有交叉的多分量信號，連通域的劃分必然會出現誤差，因此需要對交叉的區(qū)域單獨處理，而WVD正好可以解決這一問題。多分量信號的WVD存在嚴重的交叉項干擾