基于非負(fù)矩陣分解的信號(hào)時(shí)頻特征提取方法研究.pdf

1、隨著時(shí)代的發(fā)展和科技的進(jìn)步，特征提取已經(jīng)成為了信號(hào)處理、模式識(shí)別、地球物理勘測(cè)和機(jī)械故障診斷等眾多研究領(lǐng)域不可或缺的技術(shù)。特征提取就是將能表征數(shù)據(jù)特征信息的部分從大量數(shù)據(jù)中提取出來的過程。一直以來，由于理論水平的落后和研究工具的不足，我們往往將信號(hào)視作平穩(wěn)的來進(jìn)行分析和處理，這樣不管從時(shí)域還是頻域分析起來都非常方便，但是忽視了信號(hào)在時(shí)域和頻域的內(nèi)在聯(lián)系，只能給出統(tǒng)計(jì)平均結(jié)果。然而，自然界和工程領(lǐng)域中絕大多數(shù)信號(hào)并不具有周期性和平穩(wěn)性，因

2、此，對(duì)非平穩(wěn)信號(hào)展開研究越來越受到人們的重視，已經(jīng)成為了科學(xué)研究和工程領(lǐng)域不可或缺的一部分。本文針對(duì)非平穩(wěn)信號(hào)分析和處理從頻域到時(shí)頻域的發(fā)展，圍繞時(shí)頻分析和特征提取等問題展開研究，比較了幾種時(shí)頻分析和特征提取方法的原理、優(yōu)缺點(diǎn)和適用性，從而針對(duì)信號(hào)特征提取中的焦點(diǎn)問題證明了非負(fù)矩陣分解算法應(yīng)用于信號(hào)時(shí)頻特征提取的優(yōu)越性。
　　首先，本文分析了Fourier變換的局限性而導(dǎo)致的信號(hào)處理當(dāng)中從頻域到時(shí)頻域的發(fā)展，介紹了Gabor變換、

3、短時(shí)Fourier變換、小波變換、雙線性時(shí)頻變換、自適應(yīng)信號(hào)分解、經(jīng)驗(yàn)?zāi)B(tài)分解等信號(hào)時(shí)頻分析方法的基本原理，同時(shí)對(duì)比了這些方法的優(yōu)缺點(diǎn)和適用范圍。
　　其次，本文引入了非負(fù)矩陣分解算法這一矩陣分析方法，針對(duì)該方法的優(yōu)點(diǎn)，研究了非負(fù)矩陣分解算法應(yīng)用于信號(hào)時(shí)頻特征提取的優(yōu)越性，從理論和仿真實(shí)驗(yàn)兩個(gè)方面論證了該方法的適用性，在此基礎(chǔ)上提出了一種改進(jìn)算法，同時(shí)提出了反映信號(hào)時(shí)頻特征的頻譜矩、時(shí)相矩和稀疏特征。仿真結(jié)果表明，非負(fù)矩陣分解算法