基于广义S变换的时频滤波技术研究.docVIP

基于广义S变换的时频滤波技术研究 　　摘要：针对S变换的滤波方法受到窗函数形态固定的限制，在分析复杂信号时不具有一定灵活性，通过对窗函数的分析与改进，使其窗函数能够随信号变化而变化，对信号不同的频率段用最佳形态的窗函数对其进行分析，得到广义的S变换时频分析方法。将信号用广义S变换方法变换到时频域，判断噪声的时间-频率区域，对该区域进行清零，最后将去噪后的信息通过广义S逆变换，得到滤波后的时域信号。通过理论计算和信号模型仿真表明，该方法优于S变换，处理信号时有一定的灵活性和精确性。 中国论文网 /8/view-7183785.htm 　　关键词：时频分析 窗函数 S变换 广义S变换 滤波 　　中图分类号：TN914 文献标识码：A 文章编号：1007-9416（2015）11-0000-00 　　传统傅里叶变换固然是信号处理的经典分析方法，但仅适合处理平稳信号，由于实际工程上的信号处理大都是非平稳的，必须要检测频率随时间的变化，所以需要一种方法能得到信号的局部特征，即信号的时间-频率信息。基于这种思想，再结合经典傅里叶变换，提出了时频分析方法，时频分析方法典型的代表有，STFT（短时傅里叶变换），CWT（连续小波变换）。 　　1996年地球物理学家R.G.Stockwell[1]提出了一种加时窗的时频可逆分析方法，称作S变换。S变换对比短时傅里叶变换时频分析方法的优势是，其高斯窗函数可以随信号调整其高度和宽度，因为短时傅里叶变换的窗函数总保持固定。S变换对比小波变换的优势在于，信号的S变换结果更加直观，对信号的高频部分分析的更加细致。同时，S变换又吸收了短时傅里叶变换和小波变换的优点，高斯窗函数的宽度跟信号频率呈反比关系，即在低频区时窗较宽，得到较高的频率分辨率，高频区时窗较窄，可以得到较高的时间分辨率。但是S变换中高斯窗函数的形态还是固定的，因此在处理实际问题中仍不够灵活。为此国内许多学者对S变换的窗函数进行了进一步改进，能根据具体信号特征选择最佳小波，这就是广义S变换[2-5]。 　　1广义S变换 　　对于时间序列h（t）的傅里叶正变换为（1）由于经典的傅里叶不能对信号的时间及频率同时定位，由此，Gabor率先引入了加窗的思想，即在时间序列后乘上窗函数，这样的频谱就变为（2）如果该窗函数是归一化的高斯窗函数，并对高斯窗函数做伸缩和平移，此时，（3）这时，连续时间序列h（t）的快速傅里叶变换为 （4）令（f）=，这样就得到了S变换的公式： 　　（5）如果令，那么就得到广义S变换表达式： （6） 　　基于傅里叶逆变换的表达式形式，广义S逆变换表达式可以写为： 　　（7） 　　2广义S变换的窗函数分析 　　通过对S变换的窗函数进行改进，引入参数和，通过这两个参数可以调节窗函数，使窗函数的形态能够根据信号灵活选择。 　　图1表明广义S变换的窗函数在和取不同值时，随频率变化的规律。可以看出，在低频段区域，时窗宽度较宽，幅值较低，得到较高的频率分辨率；而在高频段区域，时窗宽度较窄，幅值较高，可以得到较高的时间分辨率。 　　图1a是一特殊窗函数，可以看成是标准S变换对应的高斯窗，图1a令=1 、图1b令=0.3、图1c令=2.5且令它们的都为1，比较这三个窗函数的形态，可以得出，当1时，时窗宽度随频率呈反比变化，并且变化速度越来越快，当1时则变化速度放慢，且时窗函数的脊都是随频率呈线性递增关系。 　　图1d令=0.1、图1e令=1且令它们的都为1.5，这时，时窗函数的脊与频率呈非线性变化关系，可以看出，时窗的削尖速度由决定。 　　图1f取=1、图1g令=2且令它们的都为0.5，将这两者与图1d和图1e比较，可以看出，这时的时窗函数脊随频率呈另一种非线性变化关系，且仍然能够改变时窗削尖的速度。 　　总之，引入参数和可以改变时窗函数宽度和幅值，但图1表明，二者的作用完全不同，因此，可以根据实际信号分析的要求，判断时窗函数的形态，最终确定和，得出最佳的时频分辨率，这样就解决了S变换时窗形态固定不变的缺点，处理复杂信号时，广义S变换具有比S变换更好的灵活性。 　　3模型试算 　　图2由上到下分别为待处理信号、待处理信号的广义S变换谱，滤波后的时域信号、滤波后时域信号的广义S变换谱。其中待处理信号由三段时间相等的正弦波合成，每个时间段对应的频率分别为0.05Hz、0.1Hz和0.15Hz，其中在频率为0.05Hz背景上产生了功率约为0.6的高斯白噪声。从原信号的广义S变换谱中可以直观地看到信号频率与时间的对应关系，即时频关系，更能清晰地确定高斯白噪声产生的区域，即图中所标区域，也就是准备要滤波的区域，对该区域进行清零，经计算，滤波后信号的信噪比大概为87db。在滤波后的广义S变换谱中可以看出高斯白噪声几乎被完全滤