信号时频分析理论课件.pptVIP

Wigner分布中交叉项的的行为 由于WVD是双线性形式的变换，因此两个信号和的分布将存在交叉项。交叉项的存在将严重影响对自项的识别，从而也就严重影响了对信号时－频行为的识别。 为了搞清削弱交叉项的途径，我们有必要仔细了解Wigner分布中交叉项的行为。现举几个例子说明该问题。 5、自适应时频变换 自适应时频变换方法，就是把的信号扩展到一组有限的、具有较好的时频局部化的基函数上,表征这些基函数的参数包含了被分析信号的局部时频特征信息,相应的时频分布具有较高的时频分辨率和很好的抗噪声能力，而且对于多分量信号,自适应时频分布无交叉项的干扰。 上的投影离最短，即 对于给定信号s(t)，首先在单位能量的基函数集合中选出单位能量的基函数集合中选出单位能量的基函数， 使得其在 对 采用同样原作类似分解得到 经N次分解后，当 足够小时可以忽略时 其中 为使 与 内积模值最大的基函数。 右端第一项是自相关项，第二项是希望被消除掉干扰交叉项。交叉项在Wigner-Ville平面上的平均为零，从这个意义上讲，交叉项对信号能量没有影响，可以去掉。这样就得到了自适应谱，即 WVD Gabor Chirplet 改进Chirplet 6、 Hilbert-Huang 将实测信号分解为数目不多的本征模态函数分量(IMF)和一个趋势项(r)，趋势项(r)是原序列逐级分离出IMF分量后，最终剩下来的分量，是单调的和光滑的。 Hilbert谱 对各阶IMF分量做Hilbert变换构造解信号后，求得相应的瞬时频率和瞬时幅值，原信号可以表为 Hilbert谱 边际谱 * * * * 一维信号的二级小波变换分解 2级近似分解 （原始信号每4个平均值） 2级细节分解 （原始信号每2个平均的差值） 1级细节分解 （原始信号单数和双数的差值） 恢复信号 一维信号的二级小波变换系数和分解 原始信号 2级小波系数 w2=[wa2 , wd2 , wd1 ] 2级近似分解 （原始信号每4个平均值） 2级细节分解 （原始信号每2个平均的差值） 1级细节分解 （原始信号单数和双数的差值） 恢复信号 * 2 级 Haar小波变换4点例子 序 信号 s 1 级 小波系数 w1=[wa1 ,wd1] ? 2 级 小波系数 w2=[wa2,wd2,wd1] 1 6 7.7782 14.0000 2 5 12.0208 -3.0000 3 9 0.7071 0.7071 4 8 0.7071 0.7071 ? wd1 wa1 wa2 wd2 wd1 细节系数（ wd1 ）形成后不再变化。 原始信号 1 级 小波近似系数 1 级 小波细节系数 2 级 小波近似系数 2 级 小波细节系数 (s, w1 , w2的平方和不变) * 序 信号 s 一级小波 w1=[wa1 ,wd1 ] 二级小波 w2=[wa2 , wd2 , wd1 ] ? ? ? ? ? ? ? ? 1 6 7.7782 14.0000 2 5 12.0208 11.5000 3 9 7.0711 14.0000 4 8 9.1924 8.0000 5 3 7.7782 -3.0000 6 7 12.0208 -1.5000 7 8 2.8284 -3.0000 8 5 8.4853 -4.0000 9 6 0.7071 0.7071 10 5 0.7071 0.7071 11 9 -2.8284 -2.8284 12 8 2.1213 2.1213 13 1 0.7071 0.7071 14 3 0.7071 0.7071 15 3 -1.4142 -1.4142 16 9 -4.2426 -4.2426 一级、二级小波16点 wd1 wa1 wa2 wd2 wd1 * 小波去噪声16点 序 n 信号 s 小波系数 w1 小波系数w2 去噪声 小波w2 去噪声 信号sdn sdn乘4 取整 ? ? ? ? ? ? ? 1 6 7.7782 14.0000 14.0000 7.0000 28 2 5 12.0208 11.5000 11.5000 7.0000 28 3 9 7.0711 14.0000 14.0000 7.0000 28 4 8 9.1924 8.0000 8.0000