导读:本文包含了时频表示论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:稀疏,平稳,分解,函数,自适应,回波,信号。
时频表示论文文献综述
周熊[1]（2019）在《时频重迭通信信号稀疏表示分离方法研究》一文中研究指出随着无线通信技术的迅速发展,电磁环境日益复杂,频谱资源日趋紧张,时频重迭信号广泛存在。在接收的信号中,有用信号和干扰信号在时域、频域或时频域以部分重迭或完全重迭的形式混迭在一起,传统的信号干扰抑制与分离方法常常存在失效的问题。针对这一问题,本文对基于信号稀疏表示的时频重迭通信信号干扰抑制与分离进行了研究。该研究以信号稀疏表示理论为基础,对时频重迭通信信号在信号稀疏表示中的过完备字典构造、信号稀疏分解等问题做了探索性的研究。本文的主要内容如下:1.阐述了信号稀疏表示的相关理论,包括信号稀疏表示模型、信号稀疏表示的字典构造和信号稀疏表示的分解算法等。理论推导并计算机仿真了其中经典的K-SVD字典构造算法和OMP稀疏分解算法。2.针对时频重迭通信信号干扰抑制与分离问题,提出了一种基于联合字典的时频重迭通信信号干扰抑制与分离方法。鉴于重迭信号在单个过完备字典上难以稀疏分解的问题,将字典联合的思想应用到过完备字典构造中中,改进了原有K-SVD字典构造算法。3.分别对2ASK、2PSK等单载波信号以及OFDM等多载波信号进行干扰抑制与信号重构。基于常见学习字典及联合学习字典算法,对不同信干比下的时频重迭单载波信号及多载波信号进行了稀疏分解,并通过计算机仿真分析了稀疏分解前后信号的波形图、频谱图、星座图及误码率等。结果表明:本文提出的基于联合学习字典的算法可以实现时频重迭的通信信号干扰抑制与分离,且重迭信号的信干比越大,分离效果越好。本文对今后基于信号稀疏表示分离的研究提供了理论依据。(本文来源于《西安理工大学》期刊2019-06-30）
王赛飞,方勇,王军华[2]（2018）在《利用自适应傅里叶分解的非平稳无线信道的时频表示》一文中研究指出针对非平稳Clarke无线信道模型的时域冲激响应的性能分析需求,利用自适应傅里叶分解,引入了一种非平稳无线信道的时频表示方法和信道函数的重构表示,并给出了信道的单分量表示式、时间频率分布以及能量谱密度。在高速移动、快速时变环境下进行仿真,结果表明,本文提出的非平稳无线信道的表示方法能克服STFT、小波变换等相关方法的缺点,提高了无线信道时频表示的准确性,降低了信道的重构误差。(本文来源于《信号处理》期刊2018年06期）
曹琛[3]（2018）在《多尺度数据的稀疏时频表示的唯一性》一文中研究指出随着人类文明的发展和科学技术的进步,世界已进入大数据时代.然而数据是有时效性的,数据产生的速度特别快,也就要求你处理的速度特别快,如果不能按时处理,数据就过时了.因此开发有效的数据分析工具,从海量的数据中提取有用的信息变得越来越重要.频率作为某种场合数据的重要特征,在数据分析中具有重要的意义。并且在许多物理问题中,频率可以把物理机制的重要信息编码,所以开发数据分析工具中的时频分析方法更显得尤为重要.全文共分为叁章.第一章主要介绍了时频分析方法的研究背景、基本定义以及国内外的研究现状、最后给出本论文的研究内容和研究思路并引出信号尺度分离的定义和分离很好的信号的定义.第二章给出了稀疏时频分解的唯一性结论,即在尺度分离的假设下,若不考虑由信号的尺度分离特性所决定的误差,稀疏时频分解是唯一的.第叁章研究了非线性匹配追踪法的效率,并进一步说明基于非线性匹配追踪法的稀疏时频分解可以近似得到唯一分解.(本文来源于《北京工业大学》期刊2018-06-01）
冯维婷,梁青,谷静[4]（2016）在《基于稀疏表示的非平稳信号时频分析》一文中研究指出为实现多分量非平稳信号的高精度时频分析,给出一种基于稀疏表示的时频分析算法。对信号建立时变自回归模型,选择一组基函数对模型中的时变参数进行稀疏表示,将非平稳信号时频分析转化为一个稀疏表示问题,利用正交匹配追踪算法得到时变参数,从而获得非平稳信号的时频谱。选取一段时长为0.5s的非线性调频信号进行仿真,与短时傅里叶变换和维格纳-维尔分布相比,时频谱和数据显示,所给方法具有更高时频聚集性和频率估计精度。(本文来源于《西安邮电大学学报》期刊2016年06期）
李锐[5]（2016）在《基于离散Gabor变换的信号稀疏时频表示》一文中研究指出离散Gabor变换是一种重要的时频分析工具,已经在数字信号处理、数字图像处理、系统建模中得到广泛的应用。在过去的十年里,稀疏变换已经被证明是一种全新的、有效的数学工具并成功应用于语音处理、图像去噪、压缩感知等工程领域。本文将稀疏变换理论应用于离散Gabor变换,研究了基于离散Gabor变换的信号稀疏时频表示方法。传统的离散Gabor变换在过抽样情况下是冗余的变换,且包含大量的非零变换系数,信号的稀疏表示可利用尽可能少的非零Gabor变换系数来表示原始信号,所以基于稀疏理论的离散Gabor变换能够提高Gabor时频谱的分辨率和集中度从而使离散Gabor变换更加有效地运用于非平稳信号分析和处理。主要研究内容和创新成果如下：提出了一种基于离散Gabor变换的信号稀疏时频表示方法。离散Gabor变换中窗函数宽度直接决定了Gabor时频谱的聚集性和时频分辨率。首先我们利用Gabor时频谱熵度量确定了信号在离散Gabor变换中最优窗函数的宽度,然后将离散Gabor变换转换成带有lp稀疏约束的凸优化方程,最后根据稀疏模型求出近似解。由于基于l1范数的稀疏约束模型得到的解往往不够稳定,该模型容易导致解过于稀疏并且破坏解的内在结构,而使用基于l1-l2混合范数的稀疏约束模型得到的解具有较好的稀疏性和稳定性,因此该模型具有实际的工程应用价值。实验也表明基于此稀疏约束模型获得的Gabor时频谱具有较好的时频集中度并且在降噪方面具有更好的效果。提出了一种基于多窗离散Gabor变换的信号稀疏时频表示方法。多窗离散Gabor变换可以克服单窗离散Gabor变换具有固定时频分辨率的缺点,基于多窗离散Gabor变换的结构化稀疏时频表示方法可以对信号进行有效的分解和分析。首先将多窗离散Gabor变换转换成带有混合范数(lp,q)约束下的凸优化方程,然后根据不同的混合范数使用相应的软门限函数,最后使用块坐标下降法获得稀疏Gabor系数。实验表明所提出的方法能获得更高精度的时频谱。提出了一种基于矩阵分解和快速傅里叶变换的对偶窗快速求解算法。由于在稀疏分析中,需要分析窗对应的对偶窗来综合还原信号,因此研究对偶窗的快速求解算法十分必要。本文提出了一种基于矩阵分解和快速傅里叶变换的对偶窗的快速求解方法。该方法首先根据离散Gabor变换的完备性条件得到了变换窗的新双正交关系式,然后对新双正交关系式的线性方程组进行简化并分解成一定数量的独立线性子方程组,每一子方程组可利用快速傅里叶变换求解对偶窗,从而可节省大量的计算时间,实验验证了方法的有效性和快速性。提出了一种基于加权线性组合分析窗的离散Gabor变换及其权值求解算法。在传统的多窗离散Gabor变换中,Gabor组合时频谱的时频精度不仅取决于所选择的分析窗还取决于这些窗的线性组合权值。本文据此提出了一种基于加权线性组合分析窗的离散Gabor变换算法,利用变换系数稀疏性原则从而将加权线性组合分析窗的离散Gabor变换转换成带有l1-l2范数约束下的稀疏方程,进而根据稀疏变换理论求解出窗函数的权值。由于求解窗函数权值的迭代过程中需要计算组合分析窗对应的综合窗序列,所以使用前面提出的对偶窗序列的快速求解算法可以减少运算时间和加快运算速度。实验表明了所提出的离散Gabor变换的有效性。(本文来源于《安徽大学》期刊2016-09-01）
袁梓洋,王红霞[6]（2016）在《稀疏时频表示的初始相位估计方法》一文中研究指出经验模态分解是处理非平稳信号的常用方法之一。在本征模态函数与稀疏优化相结合的表示框架中,基于聚合经验模态分解的思想,本文提出了一种初始相位估计的方法。该方法首先通过噪声辅助的分解算法自适应地消除部分噪声,再用标准算子方法得到剩余分量的相位估计值。理论分析和仿真实验均表明该算法能够降低已有的相位估计算法对噪声的敏感程度,改善了信号稀疏时频表示方法的表示效果。(本文来源于《信号处理》期刊2016年08期）
李秀梅,吕军[7]（2016）在《基于压缩感知的信号时频表示重构》一文中研究指出传统的时频分析方法受限于Nyquist采样定理,信息量的增加提高了对采样速率、传输速度和存储空间的要求;同时,双线性魏格纳-维尔分布处理多分量信号时会产生交叉项,常用的核函数法在抑制交叉项时降低了信号的时频聚集性.该文将压缩感知与时频分析方法相结合,在时频分析中突破采样定理的限制,抑制交叉项的同时获得较高的时频聚集性.针对单分量信号、多分量信号、蝙蝠声音信号,利用不同的窗函数如矩形窗或高斯窗,得出仿真结果,验证了基于压缩感知的信号时频表示重构优于传统的基于傅里叶变换进行重构的方法.并利用最小均方误差MSE和时频聚集度CM作为衡量参数,分析了不同样本空间与所重构信号时频表示性能之间的关系.(本文来源于《计算机系统应用》期刊2016年07期）
刘义海,张效民,张炳骐[8]（2015）在《基于自适应最优抛物线核函数的Wigner-21/2维时频表示算法》一文中研究指出针对低信噪比条件下非平稳、非线性和非高斯信号的时频特征分析,提出了一种基于自适应最优抛物线核函数的Wigner-212维时频表示算法.采用依赖于特定时频点的二维时频局部模糊函数替代传统Cohen类高阶时频分析中通用的全局时频模糊函数;利用自适应核处理技术获得局部模糊函数的最佳抛物线核函数,以最大限度地抑制交叉项的影响,提高算法的时频分辨率和信号自适应性;通过合成信号和水声信号的仿真实验进行时频分析,并与现有时频算法加以对比.结果表明,在低信噪比条件下,所提出算法对瞬态信号的检测优势明显,能够取得优良的时频特征解析效果.(本文来源于《上海交通大学学报》期刊2015年10期）
张焱,汤宝平,刘自然,陈仁祥[9]（2015）在《时频表示特征约简的旋转机械故障特征提取方法》一文中研究指出针对二维时频表示特征提取困难这一问题,在分析基追踪与二维非负矩阵分解方法(Two Dimensional Nonnegative Matrix Factorization,2DNMF)的基础上,提出一种基于时频表示特征约简的时频特征提取方法。利用基追踪方法将信号分解成基于信号多特征冗余原子库的一组原子的线性组合,组合各分解原子的Wigner-Ville分布获取信号基追踪时频表示,采用2DNMF对基追踪时频表示的幅值矩阵进行特征约简以获取蕴含在其内部的低维特征。将提出的方法应用于8种不同状态轴承信号的特征提取中,实验结果证明了方法的有效性。(本文来源于《振动工程学报》期刊2015年01期）
王玉明,施云飞,宋千,黄晓涛,梁福来[10]（2014）在《利用回波重构的地雷稀疏时频表示及鉴别》一文中研究指出浅埋目标探测是低频超宽带合成孔径雷达(Synthetic Aperture Radar,SAR)的一个重要应用。地雷作为浅埋目标的一类,由于其回波微弱,且所处环境复杂,使得检测后图像中常常存在大量虚假目标。提取有效特征用于鉴别是降低虚警的关键所在,传统基于全孔径图像距离剖线进行时频表示的算法易受噪声影响,并且难以表示目标散射特性。本文提出一种基于重构回波稀疏时频表示提取特征及鉴别的方法。该方法基于感兴趣区域(Regions of Interest,ROI)重构目标各个方位角的回波,可以有效减少原来回波域相邻杂波影响,提取目标较为准确的散射特性。本文方法同时采用引入判决分量的稀疏时频表示,改善了特征提取的准确度并简化了鉴别流程。实测数据处理结果表明了本文所提方法在杂波抑制和目标鉴别方面的有效性。(本文来源于《信号处理》期刊2014年01期）
时频表示论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对非平稳Clarke无线信道模型的时域冲激响应的性能分析需求,利用自适应傅里叶分解,引入了一种非平稳无线信道的时频表示方法和信道函数的重构表示,并给出了信道的单分量表示式、时间频率分布以及能量谱密度。在高速移动、快速时变环境下进行仿真,结果表明,本文提出的非平稳无线信道的表示方法能克服STFT、小波变换等相关方法的缺点,提高了无线信道时频表示的准确性,降低了信道的重构误差。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
时频表示论文参考文献
[1].周熊.时频重迭通信信号稀疏表示分离方法研究[D].西安理工大学.2019
[2].王赛飞,方勇,王军华.利用自适应傅里叶分解的非平稳无线信道的时频表示[J].信号处理.2018
[3].曹琛.多尺度数据的稀疏时频表示的唯一性[D].北京工业大学.2018
[4].冯维婷,梁青,谷静.基于稀疏表示的非平稳信号时频分析[J].西安邮电大学学报.2016
[5].李锐.基于离散Gabor变换的信号稀疏时频表示[D].安徽大学.2016
[6].袁梓洋,王红霞.稀疏时频表示的初始相位估计方法[J].信号处理.2016
[7].李秀梅,吕军.基于压缩感知的信号时频表示重构[J].计算机系统应用.2016
[8].刘义海,张效民,张炳骐.基于自适应最优抛物线核函数的Wigner-21/2维时频表示算法[J].上海交通大学学报.2015
[9].张焱,汤宝平,刘自然,陈仁祥.时频表示特征约简的旋转机械故障特征提取方法[J].振动工程学报.2015
[10].王玉明,施云飞,宋千,黄晓涛,梁福来.利用回波重构的地雷稀疏时频表示及鉴别[J].信号处理.2014
论文知识图
