高聚焦时频分析算法研究
发布时间：2021-11-15 01:18
时频分析技术是研究非平稳信号时频分布的重要手段,但传统的时频分析技术无法精确地反映信号的时频分布特点。文中主要介绍了三种高聚焦时频分析技术:小波变换（WT）、同步挤压小波变换（SSWT）、CWT-based ConceFT。首先分别阐述了以上三种高聚焦时频分析技术的原理,然后将这三种高聚焦时频分析方法应用于非平稳信号,并比较它们的时频分析效果。结果表明,SSWT和CWT-based ConceFT明显提高了小波变换的时频分辨率,小波变换和同步挤压小波变换的噪声鲁棒性较差,CWT-based ConceFT的噪声鲁棒性较好。
【文章来源】：现代电子技术. 2020,43(13)北大核心
【文章页数】：5 页
【部分图文】：
无噪声干扰条件下，信号y(t)的时频谱图
将图2c）、图2d）、图2e）与图2b）进行比较可知：这3种高聚焦时频分析算法在噪声的干扰下都仍能大致地识别出非平稳信号y(t)的瞬时频率，但三者的噪声鲁棒性强弱明显不同。将图2c）、图2d）以及图2e）所呈现出的时频谱图进行比较易得，在Gauss白噪声的干扰下，图2c）的背景中产生了大量交织的噪声纹理，其识别出的较宽的时频曲线被镶嵌在了噪声纹理中，图2d）整体上清晰地识别出了各个时刻非平稳信号y(t)的瞬时频率，但其背景出现了一些交织的纹理且原本光滑连续的时频曲线产生了断痕和部分畸变，图2e）在噪声的干扰下，仍清晰准确地识别出了非平稳信号y(t)各个时刻的瞬时频率，且其背景中并未产生过多的噪声纹理。根据以上对实验结果的分析可得出以下结论：在这三种高聚焦时频分析算法中，WT和SSWT的噪声鲁棒性较差，CWT-based ConceFT的噪声鲁棒性较好。3 结语
本文编号：3495736
【文章来源】：现代电子技术. 2020,43(13)北大核心
【文章页数】：5 页
【部分图文】：
无噪声干扰条件下，信号y(t)的时频谱图
将图2c）、图2d）、图2e）与图2b）进行比较可知：这3种高聚焦时频分析算法在噪声的干扰下都仍能大致地识别出非平稳信号y(t)的瞬时频率，但三者的噪声鲁棒性强弱明显不同。将图2c）、图2d）以及图2e）所呈现出的时频谱图进行比较易得，在Gauss白噪声的干扰下，图2c）的背景中产生了大量交织的噪声纹理，其识别出的较宽的时频曲线被镶嵌在了噪声纹理中，图2d）整体上清晰地识别出了各个时刻非平稳信号y(t)的瞬时频率，但其背景出现了一些交织的纹理且原本光滑连续的时频曲线产生了断痕和部分畸变，图2e）在噪声的干扰下，仍清晰准确地识别出了非平稳信号y(t)各个时刻的瞬时频率，且其背景中并未产生过多的噪声纹理。根据以上对实验结果的分析可得出以下结论：在这三种高聚焦时频分析算法中，WT和SSWT的噪声鲁棒性较差，CWT-based ConceFT的噪声鲁棒性较好。3 结语
本文编号：3495736
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3495736.html
