当前位置：文档之家 › 基于小波变换的法国TVM430调制信号频谱分析

基于小波变换的法国TVM430调制信号频谱分析

  • 格式：pdf
  • 大小：249.51 KB
  • 文档页数：3

下载文档原格式

  / 3

合集下载

基于小波变换的频谱检测算法改进

基于小波变换的频谱检测算法改进

（ ．Ｄ ｐ ｒｍｅ ｔ ｆ ｎ ｏ ｍａ ｉｎ Ｅ ｕｐ ｎ ，ｔ ｅＡｃ ｄ ｍｙｏ ｑ ｉｍｅ ｔ ｏ １ ｅ ａ ｔ ｎ ｆ ｒ ｔ ｑ ｉｍｅ ｔ ｈ ａ ｅ ｆＥ ｕｐ ｎ ｍｍａ ｄ＆ Ｔｅ ｈ ｏｏ ｙ Ｂ ｉ ｎ ０ ４ ６ ｈｎ ， ｏＩ ｏ Ｃ ｎ ｅ ｎ ｌｇ ， ｅ ｉｇ １ １ １ ，Ｃ ｉａ ｊ
ｃ ｅ ｅ ｈｏ ｎ ｄｅ ｌｎｇ ｗｉｈ ｔ ｃ ｒ ｐ ｃ ｒ ｍ ｅ ｏｕ ｃ ｎｄ ｓ ｅ ｔ ｕｍ ｅ ｅ ｔｏｎ ｉ ｎｅ ｏ ｈ ｍ ｐ — ｉｎｔｍ ｔ ｄ ｉ ａ ｉ ｔ ｈｅ ｓ ａ ｅ ｓ ｅ ｔ ｕ ｒ ｓ ｒ ｅ ａ ｐ ｃ ｒ ｄ ｔ ｃ ｉ ｓ ｏ ｆ ｔ ｅ ｉ ｏｒ
２ ０１１正
１ ２月
装 备 指 挥 技 术 学 院 学 报
Ｊ ｕ ｎ ｌ ｆｔ ｅＡｃｄ ｍｙｏ ｕｐ ｎ ｏ ｏ ｒ ａ ｈ ａ ｅ ｆＥｑ ｉｍｅ ｔＣ ｍｍａ ｄ ＆ Ｔｅ ｈ ｏｏ ｙ ｏ ｎ ｃ ｎ ｌｇ ຫໍສະໝຸດ Ｄｅ ｅ ｂ ｒ ｃ ｍ ｅ
２ １ ０１
第 ２ 卷 第 ６ ｚ 期
２ ６ ８９ ｏ ｐ ，Ｃｈ ｎ ； ３ ７ ３ ６ Ｔｒ ｏ ，Ｃｈｉ ａ ． ３ １ Ｔｒ ｏ ｓ ｉ ａ ． ３ ３ ｏ ｐｓ ｎ）
Ａ ｓ ｒ ｃ Ｗ ｉｈ ｔ ｅｒ ｐ ｄ ｄ ｖ ｌ ｐ ｅ ｔｏ ｈ ｒ ｌ ｓ ｏ ｍｕ ｉ ａ ｉ ｎ ｅ ｈ ｏ ｏ ｙ ａ ｉ ｐ ｃ ｒ ｍ ｂ ｔ ｔ ａ ｔ ｈ ａ ｉ ｅ ｅ ｏ ｍ ｎ ｆｔ ｅｗｉｅ ｅ ｓ ｃ ｍ ｎ ｃ ｔ ｓ ｔ ｃ ｎ ｌ ｇ 。ｒ ｄ ｏ ｓ ｅ ｔ ｕ ｏ
Ｔｈ ｕ ｔ－ｅｓ ｕ ｉ ｎ Ｓｐ ｃ ｒ ｍ ｅ Ｍ ｌｉｒ ｏｌｔｏ ｅ ｔｕ Ｄｅｔ ｃ ｉ ｎ Ａｌ ｏｒｔ ｍ ｓ ａ ｅｌ ｔＴｒ ｎ ｆ ｒ ｅ ｔｏ ｇ ｉ ｈ Ｂａ ｅｄ Ｗ ｖ ｅ ａ ｓ ｏ ｍ

基于改进小波算法的舰炮齿轮箱故障特征提取

基于改进小波算法的舰炮齿轮箱故障特征提取

基于改进小波算法的舰炮齿轮箱故障特征提取
王凯
【期刊名称】《舰船电子工程》
【年(卷),期】2012(032)010
【摘要】小波变换具有优良的时频分析特性,适合于提取齿轮箱等机械设备的故障特征。

但是由于小波滤波器的频响应特性不理想,因此直接对信号进行小波变换会产生一定的虚假频率,从而影响故障特征提取的准确性。

针对小波分析的混频现象,在深入分析该现象产生原因的基础之上提出一种改进算法,并给出了利用该算法提取故障特征的具体步骤,为舰炮齿轮箱故障特征提取提供了一个新途径。

仿真结果表明,该方法能有效地消除混频现象,提高了故障特征提取的准确性。

【总页数】3页(P110-112)
【作者】王凯
【作者单位】海军驻郑州地区军事代表室,郑州450015
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于单子带重构改进算法的舰炮自动机故障特征提取方法磁 [J], 孙宽雷;韩峻
2.基于改进HHT和形态学分形维数的齿轮箱轴承故障特征提取方法 [J], 金成功
3.基于改进VMD的风电齿轮箱不平衡故障特征提取 [J], 周福成; 唐贵基; 何玉灵
4.基于改进VMD-SVD降噪的齿轮箱故障特征提取 [J], 蒋丽英;潘宗博;刘佳鑫
5.基于改进第2代小波算法的发电机组碰摩故障特征提取 [J], 姜洪开;王仲生;何正嘉
因版权原因，仅展示原文概要，查看原文内容请购买。

吕---基于小波变换的电气设备故障诊断技术

吕---基于小波变换的电气设备故障诊断技术

基于小波变换的电气设备故障诊断技术1李淑娥邸敏艳吕锋（河北师范大学电子系050031）摘要小波变换具有良好的时——频特性，因此可以有效地用于电气设备故障诊断。

在对电气设备进行故障分析、故障诊断过程中，利用小波变换进行故障信号的故障时刻检测具有重要意义。

小波变换用于电气设备故障诊断就是对电气设备各种电磁、机械等信号进行实时监测控制，判别其状态，以求在故障初期或故障时刻发出警报，并随时进行处理、排除故障。

对信号进行特征提取，是故障诊断的关键。

突变信号往往表明电气设备发生了某类故障，如果能对突变信号进行有效识别，就可以进行故障诊断、故障分析、从而排除故障。

本文分析了电气设备故障的奇异性，通过仿真得出小波变换用于电气设备故障诊断的方法，以准确检测奇异点，提取故障时刻。

关键词小波变换；信号检测；奇异点；故障时刻。

中图分类号：TM711The Tecnology Of The Fault DiagnosisIn The Electricity Equipments Based On The Wavelet TransformationLi Shue Di Minyan Lv Feng(Electrical department of Hebei Normal University ，Shijiazhuang 050031)Abstract:Because of the wavelet transformation has the good hour-frequency characteristic, So it can be availably used for the fault diagnosis in the electricity equipments. At the proceeds of the electric appliances equipments analyze and examination,It’s so important that uses the wavelet transformation to the electric appliances equipments examination,The wavelet transformation uses for the electric appliances equipments examination is the examination of solid hour for the physics signal of electromagnetism、machine etc.Distinguish its appearance、send out the alert at the early or every moment in the electric equipments breakdown and handle、expel the breakdown in the time. Withdrawing the signal characteristic is a key to fault diagnosis.The mutation signal usually expresses the electricity equipments have a certain fault take placed. If we can identify the mutation signal, So we can proceed the fault diagnosis, the fault analysis and the fault expel. This text analyzes the stange of the fault in the electricity equipments, and draws a conclution of the wavelet transformation used in the electricity equipments fault.So it can withdraw the fault time, and1本课题为国家自然科学基金资助（NO：60374020）；河北省自然科学基金资助（NO：F2004000180）；河北省教育厅自然科学研究资助（NO:2003240）.prove the correctness of the strang point examination.Key words: wavelet transformation; signal detection; strange point; fault diagnosis.1、 引言小波变换作为一种信号的时间――尺度分析和时间――频率分析法，能有效地从信号中提取信息，由于小波函数具有良好的时――频特性，因而小波分析方法为信号的时――频分析提供了有力的工具。

基于小波变换的电网电能质量评估与MATLAB仿真

基于小波变换的电网电能质量评估与MATLAB仿真

基于小波变换的电网电能质量评估与MATLAB仿真何军【摘要】随着电力市场和国民经济的迅速发展,电能质量问题已经引起世界各国电力部门和用户的广泛关注,供电质量不高将引起某些重要生产过程中断,导致工业产品质量下降,从而造成严重的经济损失.本文根据电能质量扰动信号的非平稳性,通过分析小波变换的原理,利用小波变换能够突出信号局部特征的特性,分析了利用小波变换对电网电压跌落及周期脉冲等典型电能质量扰动进行判断与定位的方法.相应的仿真结果说明小波变换是对电能质量扰动进行判断和定位的有效途径.【期刊名称】《四川职业技术学院学报》【年(卷),期】2013(023)001【总页数】4页(P142-145)【关键词】电能质量;小波变化;电压跌落;仿真【作者】何军【作者单位】四川职业技术学院电子电气工程系,629000【正文语种】中文【中图分类】TM7电能是一种经济、实用、清洁且易控制和转换的能源形态，是供电部门向电力用户提供并由发电、供电、用电三方共同保证质量的一种特殊产品[1].近年来，电力电子装置等非线性设备的迅速发展和广泛应用造成电网电能质量日益恶化；与此同时，随着基于计算机系统的控制设备和精密仪器在国民生产和生活中的普及，也需要高质量的电能质量.因此，从20世纪80年代末以来，电能质量已成为电力部门及其用户日益关注的问题.据国际会议报告介绍，无论国内国外，电能质量问题都造成了巨大的经济损失.因此，要满足现代工业和广大电力用户的要求，就必须理解和重视现代电能的质量问题，考虑从技术、运行管理、经济等方面着手，加大力度保证优质供电.2.1 电能质量评估的国内外动态对于电能质量，目前还没有一个准确、统一的定义.但电能质量问题是以电力用户的生产需求驱动的，所以用户的衡量标准应占有优先位置.在此原则的基础上，关于电能质量可定义为：导致用电设备故障或不能正常工作的电压、电流或频率的偏差[2].国外通常使用功率因数、总谐波畸变率等几种指标来对电能质量进行评价，但这具有定量性，对非周期信号存在不协调的问题，因此要考虑如何处理畸变、不平衡现象的功率定义.虽然国外在这方面已作了大量研究，但至今也无一致的结论和意见[3].从信号处理上来说，电能质量分析领域应用得最为广泛的分析方法是以傅里叶变换法、小波变换法为代表的变换域方法.国内方面，我国相继出台多项国家标准来保证我国的电能质量.但关于暂态电能质量问题，由于研究起步较晚，还处于摸索阶段，还没有统一的标准来描述和定义暂态电能质量现象.但已经逐步开展综合应用各种分析方法，例如将小波变换、FF T和人工智能相结合对暂态电能质量进行检测、分类与识别.这在电能质量领域已成为一个新的研究方向.而关于小波变换在电能质量问题的应用，已有不少研究者取得了相应的理论成果.2.2 电能质量干扰分类由于过去没有统一的标准来对各种扰动引起的电能质量问题进行定义，I EEE第22标准统筹委员会和其他国际委员会建议用电压跌落、电压上升、电压中断、电压瞬、变电压畸变五种术语来描述主要的电能质量干扰[4].其中电压跌落近年来受到了国际上较为密切的关注.这主要是因为引起电压跌落的原因比较普遍，并且电压跌落容易使调速设备出现跳闸、机电设备产生误操作等各种故障.所以对各种扰动进行分类，是为了根据电压信号的特征提取信息并且依据扰动持续的时间和扰动对信号幅值的影响综合判断信号干扰的种类.3.1 电能质量评估方法稳态电能质量和暂态电能质量是最主要的电力系统电能质量问题.稳态电能质量问题的特征主要为波形畸变；暂态电能质量问题的特征通常是频谱和暂态持续时间，可分脉冲暂态和振荡暂态两大类.目前电力行业主要着眼于暂态电能质量问题的分析与研究[5].而短时傅里叶变换（S T F T）、小波变换等几种方法是暂态电能质量问题的主要分析方法.短时傅里叶变换是用傅立叶变换分析信号的时间窗，以便确定该时间窗存在的频率.这在一定程度上弥补了不具有时频分析能力的傅立叶变换的缺陷.但其缺点是无法改变已确定的窗函数的窗口形状.因此，短时傅立叶变换实质上是具有单一分辨率的分析，必须重新选择窗函数来改变其分辨率.而小波变换是一种时频局部化分析方法，其时间窗和频率窗都可改变，窗口大小固定但其形状可变[6].因此，两者的区别在于短时傅立叶变换只能用来分析缓变信号，但不能精确分析波形变化剧烈的信号.而小波变换能自动调节窗口大小，因此成为电能质量评估方法中应用较为普遍的一种方法.3.2 小波变换小波变换在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，所以被称为“数学显微镜”[7].其可以对多种扰动实现时间定位的优点在电能质量评估中显得尤为重要.但由于小波函数选择的多样化，使得用到的小波函数不同，小波分析的效果也不一样.不同的小波函数分析同一个问题会产生不同的结果，因此如何选择最优的小波函数，在工程应用中也是一个十分重要的问题.为了在电能质量检测算法中实现电能质量信号的时频分析、突变检测和无失真重构，所选小波函数必须具备正交性、偶对成性，同时在时域和频域中具有短时的支撑集，这样才能对对电压的上升、跌落、畸变等具有很有效的分析作用[8].根据国内外的研究结果，M eyer小波由于其正交性、时域对成性、计算灵活性以及具有线性相位等特点，用来进行电能质量进行评估可以取得较好的效果.3.3 仿真与分析3.3.1 仿真结果对电能质量的干扰主要有电压跌落、电压上升、电压中断、电压畸变、电压瞬变[9].本文以幅值为1的含有不同比例谐波信号的电压信号为例，用M eyer小波变换在M A TL A B中对上述几种情况的电网信号进行仿真分析.其仿真结果如下图所示.3.3.2 仿真结果分析图1-图6中上图为含谐波分量的电压信号，分别表示了正常电压、电压跌落、上升、畸变、中断、瞬变等情况；下图为经过小波变换分解的高频分量图，突变点的时间可以通过其幅值的变化来判断.对各种情况的仿真结果分析如下：a)图1为经过小波变换后的正常电压的仿真结果.电压是一个标准的的正弦波，其幅值为1，而其对应的高频分量图是一条信号波动很小的近似的直线.因此在正常电压情况下，高频谐波分量对电压信号不会造成任何影响.b)图2图3图4分别为电压出现跌落、上升、中断变化时，经过小波变换后的仿真结果.设电压在500至750之间的采样点突然发生了变化（电压跌落、上升、中断）.而在对应的高频分量图上产生了两个高频脉冲，其对应位置在500和750这两个采样点上，正好与电压信号发生变化的时间相吻合，说明高频谐波信号在这两个时间点上对此电压信号产生了影响.c)图5图6为电压突然发生畸变及瞬变时经过小波变换后的仿真结果.图5电压发生震荡畸变的采样点为550，对应的高频分量图上产生了一个高频脉冲其对应位置在550这个采样点上.图6电压同时发生震荡的畸变和三处瞬间的变化，其采样点分别为550，100、250及1000，而对应的高频分量图产生高频脉冲的时间点也与这几个采样点一致.这说明高频谐波信号在相对应的畸变或瞬变时间点上会对此电压信号产生影响.在工程实际中电网电压由于谐波存在而产生的扰动常常出现.例如会受到谐波影响使电压突然跌落或上升；由于网络故障使电压出现中断；由于非线性负载的谐波影响使电压出现瞬态衰减震荡干扰或脉冲干扰.对电网电能质量评估就是对这些干扰进行准确的捕获和定位，并以此来分析电能质量和扰动的原因.通过对各种情况的M A TL A B仿真结果分析，证明了小波分析对电网电压信号谐波检测的准确性.如果能够更准确地分析实际信号的特点，从而选择合适的小波函数，那么基于小波变换的电网电能质量评估将会有更广阔的情景.【相关文献】[1]谭国贞.基于小波变换的电能质量分析方法的研究[D].重庆：重庆大学，2006.[2]肖湘宁,徐永海.电能质量问题剖析[J].电网技术，2001 (3):66-69．[3]肖国春,刘进军,王兆安.电能质量及其控制技术的研究进展[J].电力电子技术，2000,(6):58-60.[4]吴晓朝,方立新,郭红霞.一种基于小波变换的电能质量特征量提取及分类的方法[J].控制理论与应用,2008,（2）:326.[5]刘锐.基于小波变换的电能质量扰动的研究[D].厦门：厦门大学，2005.[6]肖湘宁.电能质量分析与控制[M].北京:中国电力出版社,2004.[7]苏变玲.基于小波变换方法的电力暂态和谐波信号检测方法的研究[D].西安：西安电子科技大学，2005.[8]黄勇.电能质量扰动识别与分类的研究[D].广州：华南理工大学，2010.[9]耿玲.基于M eyer小波变换方法的苏州电网电能质量的评估与改善[D].苏州：苏州大学，2008.。

用于小波变换的图像信号二维频谱分析

用于小波变换的图像信号二维频谱分析

用于小波变换的图像信号二维频谱分析李静英　余兆明(南京邮电学院)〔摘要〕　本文在对理想和实际原始图像信号的二维频谱及其幅频特性进行数学分析的基础上,提出了对小波变换二维频谱分解的两种改进方案,从而可利用图像信号的频谱特性和人眼的视觉特性,进一步压缩码率,在保证图像质量的前提下,提高压缩性能。

〔关键词〕　小波变换　二维频谱分解　塔形分解　空间频率　椭圆频谱　菱形频谱1　概述借助于小波多分辨率分解,图像信号可以被分解为许多具有不同空间分辨率、频率特性和方向特性的子图像信号,有利于从人类视觉特性的角度去压缩图像信息,获得良好的图像质量和理想的压缩比。

对图像进行小波变换压缩编码时,往往首先要将一幅原始图像经过多层二维频谱分解和滤波,然后再对分解后的子图像进行编码压缩。

通常采用的是塔形分解方法来对图像进行分解,其分解原理如下:首先将原始图像经过一层二维分解后形成四个不同频率特性的子图像:LL1,L H1,HL1, HH1,如图1所示。

图1水平坐标轴为水平空间频率m,垂直坐标轴为垂直空间频率n。

LL1(称为分析信号)表示水平、垂直空间频率均为低频的子图像;HL1表示水平方向为高频、垂直方向为低频的子图像; L H1表示水平方向为低频、垂直方向为高频的子图像;HH1表示水平、垂直方向均为高频的子图像。

在进行第二层二维分解时,根据人眼的视觉特性,一般只对LL 1进行,而不对L H 1、HL 1、HH 1(这三个子图像称为细节信号)进行。

分析信号又可以进一步分解为新一层的分析信号和细节信号。

通常只进行3或4层的二维小波分解。

究竟分解多少层可以满足要求,要看图像的维数和滤波器的长度以及数据压缩率的要求。

从图像压缩编码角度而言,要求分解后的四个子图像的熵值之和应小于分解前的熵值,否则就不值得再分解下去。

信号s 的熵定义为:H (s )=∑ni =0P (s i )log s P (s i)式中P (s i )为符号s i 出现的概率。

基于小波变换的频谱细化方法在电动机故障检测中的应用

基于小波变换的频谱细化方法在电动机故障检测中的应用
［%］ ［$］ ［!］ 。 方法提出了很高的要求
$
小波变换及频谱细化
［+］ 对于任一函数 $ （ %） ， 其积分小波变换为 ： 9: 4:
［（ ］8（%7 !’ ） &! $ %） （ ’， (）
（%） 为平移参数， 为伸缩参数， 为 的共轭 其中： ( ’ ! ! 函数。 [ 小波族 !’， （ （$） 7 ’] ;% ( % ）8 ! （ % 4 ( ） 即由基本小波 ! （ %） 经平移和伸缩得到的一族小 波。 （ %） 函数的时频窗参数为： 时窗中心 现定义 ! # # 时 窗 宽 $! % ， 频 窗 中 心" ， 频 窗 宽 $! 则 % ， "， （ 的时域中心 和 时 域 宽 度 分 别 为 ( 9 ’% # 、 ! ’， ( %） 频域中心和频域宽度为 "# 7 ’ 和 $! $ ’!% ， "7 ’ 。由 小波的时频特性可知， （%） 式的小波积分变换是信号 （ 在时间及频率窗 ［ ( 9 ’% # 4 ’!% ， $ %） ( 9 ’% # 9 及 ［ （"# 7 ’ ）4 ! （"# 7 ’ ）9 ! 内的信 ’!% ］ "7 ’ ， "7 ’ ］ 号特征， 平移参数 ( 对应于小波在时域的位置， 尺 度参数 ’ 的变化对应于改变时窗和频窗的宽度， ’ 变大则频窗变窄， 时窗变宽； 频窗变宽而 ’ 变小时， 时窗 变 窄。 让 ( 连 续 变 化， 就可以得到在频段 # # （" 7 ’ ）9 ! 内的信号随时 ［ （" 7 ’ ） 4! "7 ’ ， "7 ’ ］ 间变化的情况， 为了用小波变换对 "" 频段成分进
［$ （ %） ］8（%7 !’ ） &! （ ’， (）

基于小波变换的调制识别算法

基于小波变换的调制识别算法作者：王东旭陈殿仁李兴广陈磊来源：《数字技术与应用》2017年第01期摘要：小波变换作为一种特征提取工具[1]，它能够在时域和频域这两个域中体现信号的部分特征。

ASK、PSK和FSK通信信号的连续符号之间，由于幅度参数、相位参数或者频率参数变化，会导致突然急剧的变化[2]。

本文利用小波变换，探究以上通信调制信号在小波变换下时域和频域特性。

最后仿真说明算法性能。

关键词：小波变换；特征提取；时频域中图分类号：TN911.23 文献标识码：A 文章编号：1007-9416（2017）01-0120-01目前，小波变换的体系已经很完备，受到了广泛的关注，它作为应用数学的重要组成部分，在工程中的应用越来越广。

根据小波变换理论，它用小波的基函数来构成信号。

小波用尺度和位移来表征，而基函数就是用母小波通过伸缩和平移得到的。

这样看来，所有信号都能够用小波的尺度及位移来体现其特点。

通过小波变换可以同时观察信号的时间分辨率和频率分辨率，在这方面，傅里叶变换是不能实现的。

小波变换的应用范围很广，例如信号处理和建模，信号编码，多分辨力分析[3]，视频压缩等[4]，它尤其适合对突变情况下信号的分析和处理。

近些年来，将其用在制式识别方面也是一个重点方向。

小波在制式识别中主要用来从信号中提取能够表征信号制式特点的特征量，获得它们的轮廓和细节等信息，之后根据这些信息选取适当的分类准则，实现对信号制式的分类识别[5]。

不同的数字调制信号，当一个码元从前一个码元持续时间过渡到另一个码元持续时间的时候，调制信号的幅度、相位或者频率可能会发生变化。

而制式分类特征就在上面的变化中。

所以应用小波变换检测以上突变，能够达到制式分类的目的。

用小波变换进行制式分类的特征明显，它的实现有很多快速算法，而且处理速度快，能够保证工程应用的实时性，由于以上优点，本文应用它作为制式识别的方法，关于它的理论及相关制式分类方法，下面将会详尽地说明。

基于小波变换的调制识别算法


～
码元 持续时 间过渡到另一个 码元持续 时间的时候 ， 调制信 号 的 幅度 、 相位 或者 频率 可能 会发 生变 化 。 而制 式分 类特 征 就在 上面 的变 化 中 。 所 以应 用小 波变 换检 测 以上突 变 ，
对 于Ｆ Ｓ Ｋ信 号 ，
ｉ （ ｆ ） ： √ ∑ Ｎ ｅ （ ㈨） “ ｏ — ｆ ） ∈ ｛ ， ． ， ｝ ， ∈ （ ０ ， ２ ） （ ３ ）
“ （ ｆ ） 是 单 位 矩 形 函数 ， 范围【 ｏ ， Ｔ ） 。
ｄ
小 波变 换 系数 幅 值
图３ ４ Ｆ Ｓ Ｋ的小 波变 换 系数 幅 值 图２ ４ Ｐ Ｓ Ｋ的小 波 变 换 系数 幅值
收 稿 日期 ： ２ ０ １ ６ — １ ２ －１ ４
・ ・ ・ ・ ・ ・
号之间， 由于幅度参数 、 相位参数 或者频 率参数 变化 ， 会导致 突然急剧的 变化［ ２ 】 。 本文利用小波变换， 探 究以上 通信调制信号在 小波变换 下 攀 聪 Ｉ ＿ 时域 和频 域特性 。 最后 仿 真说 明算 法性 能。
关 键词 ： 小波变换 ； 特 征提 取 ； 时 频 域 中 图分 类 号 ： Ｔ Ｎ９ １ １ ． ２ ３ 文献 标 识 码 ： Ａ 文章 编 号 ： １ ０ ０ ７ ． ９ ４ １ ６ （ ２ ０ １ ７ ） ０ １ — ０ １ ２ ０ － ０ １
巾
＾
～
一 ～ 一
一 蕊 一
目前 ， 小 波变换 的体系 已经很 完备 ， 受到 了广泛 的关 能够达 到 制 式分类 的 目的 。 注， 它作为 应用数学 的重要 组成部分 ， 在工程 中的应 用越 用小波 变换进 行制 式分 类 的特 征 明显 ， 它 的实现有 很 育 一 ～ 曲 ～ 来越 广 。 根 据小 波变换 理论 ，它用小 波 的基 函数 来构 成信 多快速 算法 ， 而且 处理速度 快 ， 能够保 证工程 应用 的实时 号。 小 波用尺度 和位移 来表 征 ，而基 函数 就是用 母小 波通 性 ， 由于 以上优点 ， 本文应用它作 为制式识别的方法 ， 关于 过伸 缩和平 移得 到的 。 这样看 来 ， 所 有信号 都 能够用小 波 它 的理 论及相 关制 式分类 方法 ， 下面将 会详尽 地说 明 。 的尺度 及位移 来体现其特 点 。 通过小 波变换可 以同时观察 １ 信号模型的建立 信号 的时 间分辨率和 频率分辨 率 ， 在这方 面 ， 傅里 叶变换 接 收的 中频信 号是 （ ｆ ） ， 它的复数形 式是 ： 是不 能实 现的 。 小波变 换 的应 用范 围很广 ， 例如 信号 处理 （ ｆ ） ＝ ｓ ｑ ） ＋ ｎ ｑ ） ＝ ｊ ０ ） （ ） ＋ ｎ Ｏ ） （ １ ） 和建模 ， 信号编码 ， 多分辨力分析 ， 视频压缩等［ ４ 】 ， 它尤其 式中 （ ｆ ） 是 已调制复信号 ， （ ｆ ） 是高斯 白噪声 的复数形 适合 对突 变情况 下信号 的分析 和处理 。 近些年 来 ， 将 其用 在制 式 识别 方面 也是一 个 重点方 向。 式， 其功率Ｅ Ｉ ｆ ｎ （ ｔ ） ｌ ‘ Ｉ ＝ ２ ， 为信号经过下变频处理后的 小波 在 制式 识别 中主要 用 来从 信号 中提 取能 够表 征 中频角频率 ， 是相应的 中频频率 ， ０ ｃ 是载波 的初始相位 。 信号 制式 特点 的特征量 ， 获得 它们 的轮廓 和细节 等信 息 ， 对Ｐ Ｓ Ｋ信 号 来说 ， 之后 根据这些信 息选取适 当的分 类准则 ， 实现对信 号制式 ） ＝ （ 破ｅ （ ｍ ， ＝ｌ ’ ２ ’ 的分类识别［ ５ １ 。 不同的数 字调 制信号 ， 当一个码 元从前 一个

基于小波变换的高分辨率信号频谱分析方法


· 4 ·
计量技术 20041No 12
© 1994-2006 China Academic Journal Electronic Publishing House. All rights reserved.
理论与实验
大 。即使初始化采样频率设置的不正确 , 依然可以 通过四次调整就可以接近最佳采样频率 。一旦采样
表1
仿真结果
第一次检测
f0
初始采
测量
样频率
结果
第二次检测
采样 频率
测量 结果
第三次检测
采样 频率
测量 结果
采样 频率
第四次检测
测量 结果
误差
50
912673
148
3918767
638
4015294
648
4015082
0120
4015
500
4111746
659
3918585
638
4015204
648
图4
21 和现代谱估计 Burg 算法的比较 Burg 算法是建立在数据基础上的 AR 系数求解 的有效算法 ,其特点是根据线性预测原理 ,令前后向 预测误差 功 率 之 和 最 小 。但 信 号 中 加 入 白 噪 声 后
Burg 算法对谱估计会出现谱线分裂现象 。利用 Burg
算法进行频率估计 ,建立 5 阶模型 ,对式 (3) 的信号进
φ1 = 012π, f l , h表示高频和低频干扰 ; dis 是在 0～1 之间随机抽取的数据 ,均值为 015 。
分别对输出信号频率在低频 f 0 = 4015Hz 处以及 高频 f 0 = 60015Hz 进行仿真 。这里 ,确定采样点数为 64 点 。图 1 是低频情况下的频率检测结果 , f 0 = 4015Hz , f 1 = 50Hz , 采样频率为 200Hz , 图中 , 曲线最 大值对应的频率为 40156Hz , 检测准确度为 1148 ‰。 图 2 是高频情况下的频率检测结果 , f 0 = 60015Hz , f 1 = 580Hz ,采样频率为 3000Hz ,图中 ,曲线最大值对应 的频率为 601141Hz , 检测准确度为 1152 ‰。图 1 和 图 2 中的曲线可以随着采样点数的增加逼近到 0Hz , 在实际中没有必要检测很低频率段 。

基于小波变换的法国TVM430调制信号频谱分析

基于小波变换的法国TVM430调制信号频谱分析
刘文才;杜普选
【期刊名称】《交通信息与安全》
【年(卷),期】2005(023)003
【摘要】基于小波变换可提取信号所需频率成分的特性,利用多个小波组合,设计较理想的带通滤波器,采用频谱细化法对法国TVM430调制信号进行频谱分析. 仿真结果表明,使用该方法细化得到的频谱分辨率高,谱线清晰,是处理TVM430调制信号的一种有效方法.
【总页数】3页(P47-49)
【作者】刘文才;杜普选
【作者单位】北京交通大学,北京,100044;北京交通大学,北京,100044
【正文语种】中文
【中图分类】TN911;U283
【相关文献】
1.基于小波变换与SVM的调制信号识别方法 [J], 席敏;朱国魂;姜茜
2.基于小波变换的数字调制信号的特征提取 [J], 李伟
3.基于小波变换和支持矢量机的调制信号识别 [J], 赵福才;张玉
4.基于小波变换的数字调制信号识别方法的研究 [J], 陈健;阔永红;李建东;马玉宝
5.基于小波变换的数字调制信号特征提取 [J], 王旭;张达敏;周勇
因版权原因，仅展示原文概要，查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

数
7 (a, b) (x ) =
1 a
7
x
a
b
(2)
式 (2) 为由小波母函数7 (x ) 生成的依赖于参数对
(a, b) 的连续小波函数, 简称小波。 对于任意的函
数或信号 f (x ) , 其小波变换为
收稿日期: 2005203210
∫ W f (a, b) = f (x ) 7 (a, b) (x ) dx
e + j2Π(f L + k∃f … + ej2Π f H t
(k = 0, 1, 2, 3, …, n, f H = f L + n∃f ) (5)
式中: f L 和f H 为组合小波的通频带上限和下限频 率; ∃f 为各小波中心频率的间距, 式 (5) 的频谱实 际上是各个小波频谱的叠加。若∃f 选得适当, 就 能得到平顶的叠加谱。
式中: A i 为振幅; Υi 为最佳初相位[3 ]。 直接应用 FFT 分析, 即使取 2 s 的数据, 也只
能达到 0. 5 H z 的频率分辨率, 在频率轴上根本无 法将邻近的频率分量区分开。
TVM 430 信号调制信号频率从 0. 64 H z 到 17. 52 H z, 加上标志位频率 25. 6 H z, 不超过 30 H z, 可以将预分析频段确定为0～ 32 H z。由软件产 生采样率为256 H z, 长度为512 点的低频调制信号 s (t)。 其波形如图 1 所示, 共包含 16 个低频信号。
(3) 重采样。 为了进行细化, 对信号w 1 ( t) 进 行重采样。采样间隔为m ∃ t (m 为细化倍数, ∃ t 为 原采样间隔) , 数据长度N 保持不变。
(4) 对重采样的信号作 FFT 变换, 即得到了
交通与计算机 2005 年第 3 期 第 23 卷 (总第 124 期)
所需频段 f L - f H 细化了m 倍的频谱。
W f (a, b) =
∫ 1 a
f
(x )
7
(x
a
R
b
)
e
jΞ0
x a
d
x
(4)
式 (4) 提取了 f (x ) 在频带 [ Ξ3
+ a
Ξ0 -
∃aΞ,
Ξ3
+ a
Ξ0 +
∃Ξ
a
]
的信息。因此,
应当选择合适的参
48
数 Ξ0 和 a, 使 Ξ3
+ a
Ξ0 为频带中心。
单小波的频谱是一个“钟”型曲线, 两边下降
Ξ3
a
+
∃Ξ
a
]
频
率的信息, 此即“频域局部化特性”。 所以式 (3) 的
小波变换是信号 f ( t) 在时频窗[ b+ a t3 - a∃ t, b+
a t3
+
a∃t ],
[
Ξ3
a
-
∃aΞ,
Ξ3
a
+
∃Ξ
a
]
内的信号特征。
为了用小波变换对 Ξ0 频段成分进行分析, 可以将
7 ( t) 乘以频移因子 ejΞ0t,
R
(3)
=
∫ 1 a
f
(x )
7
(x
a
R
b) dx
下面分析一下小波变换的时频局部化特性。
引用文献[ 1 ]中定义函数的时频窗函数 (时窗中心
t3 , 时 窗 宽 2∃ t, 频 窗 中 心 Ξ3 ) , 频 窗 宽 2∃ Ξ, 则 7 ab ( t) 的时域中心和宽度分别是: b+ a t3 , 2a∃ t,
2 在法国TVM 430 信号频谱分析中 的应用
TVM 430 是法国最新的高速铁路列控系统, 它的地面信号是一种多音频调频信号, 调制信号 由 多个正弦信号叠加构成, 频率从 0. 88 H z 到 17. 52 H z, 间隔为 0. 64 H z。 其时域表达式为
26
∑ x ( t) = A i∆i sin [ 2Π(0. 88 + i × 0. 64) t + Υi ] i= 0 ∆i = 1 或 0
关键词 船舶选优; 遗传算法; 多点交叉; 扰动 中图分类号: O 224 文献标识码: A Abstract: T h is p ap er estab lishes a m odel of sh ip selection fo r a rm y w a terw ay tran spo rta tion and design s an im p roved genetic a lgo rithm (GA ). T he a lgo rithm u ses such techn iques a s m u lti2 po in t in tersection, m ax im um p reserved cro ssover, in side d istu rbance, and ou tside d istu rbance. It p rom o tes the op tim iza tion efficiency and resu lt of genetic a lgo rithm. Exp erim en t resu lts p rove tha t the m ethod is fea sib le and efficien t. Key words: sh ip op tim iza tion selection; genetic a lgo rithm ; m u lti2po in t in tersection; d istu r2 bance
者生存”的一种高度并行、随机和自适应化的优化 算法, 它将问题的求解表示成“染色体”的适者生 存过程, 通过“染色体”群的一代代进化, 最终收敛 到“最适应环境”的个体, 从而得到问题的最优解 或满意解[2, 3 ]。
本文对遗传算法进行改进, 用于求解选船优 化问题, 给出了算法设计和算例的优化结果[4, 5]。
基于小波变换的法国 TVM 430 调制信号频谱分析—— 刘文才 杜普选
47
基于小波变换的法国 TVM 430 调制信号频谱分析
刘文才 杜普选
(北京交通大学 北京 100044)
摘 要 基于小波变换可提取信号所需频率成分的特性, 利用多个小波组合, 设计较理想的 带通滤波器, 采用频谱细化法对法国 TVM 430 调制信号进行频谱分析。仿真结果表明, 使用该方 法细化得到的频谱分辨率高, 谱线清晰, 是处理 TVM 430 调制信号的一种有效方法。
(1) 滤波。选取需要分析的频带f L - f H , 构造 组合小波 7 ( t) 并进行小波变换, 通过调节尺度参 数a 和组合小波各分量的中心频率间隔 ∃f 得到 满意的滤波特性。
(2) 频移。滤波后的信号w (t) 乘以平移因子
ej2Πf L t, 将频谱左移 f L , 信号频谱的下界移到 0 H z 处, 得到信号: w 1 ( t) = w ( t) ej2Πf L t。
0 引 言
传统的频谱估计是基于快速傅立叶变换 (FFT ) , 但它的估计性能不高。在本质上, FFT 的 频率分辨率取决于有效数据序列的长度, 要提高 FFT 算法的分辨率只能依靠增加采样时间来实 现。 本文基于小波变换可提取信号所需频率成分 的特性, 利用多个小波组合, 设计理想的带通滤波 器, 实现了 TVM 430 调制信号的频谱细化。
图 2 频谱细化后的结果
水路输送船舶选优的一种改进遗传算法—— 张良欣 徐岩山 周 君
49
水路输送船舶选优的一种改进遗传算法
张良欣1 徐岩山1, 2 周 君2
(海军工程大学天津校区1 天津 300450) (军事交通学院2 天津 300161)
摘 要 在建立部队水路输送船舶优选模型的基础上, 设计了一种改进的遗传算法, 采用多 点交叉、最优 2 交换变异、内部扰动、外部扰动等操作技术, 提高了遗传算法的优化效率和优化效 果。 经过实验分析, 证明了算法的可行性与高效性。
关键词 快速傅立叶变换 (FFT ) ; 小波变换; 频谱细化; TVM 430 中图分类号: TN 911; U 283 文献标识码: B Abstract: O n the ba sis of the cha racteristic tha t the w avelet can sep a ra te the requ ired frequency, an idea l band2p a ssing filter is designed by u sing w avelet g roup. T he sp ectrum zoom is u sed to ana lyze TVM 430 signa l. T he sim u la tion resu lts show tha t the sp ectrum is ea sy to d ifferen tia te in th is m ethod, w h ich is va lid fo r TVM 430 p rocessing. Key words: FFT; w avelet tran sfo rm ; sp ectrum zoom ; TVM 430
1 问题的描述和数学模型的建立
1. 1 问题的描述 某 部队要从A 地输送到B 地, 拟订从可用的
船集S 中选择一个子集S 1 输送部队。该集S 1 既要 满足待运部队重装备面积、人员、总装备面积以及 船舶性能等多项技、战术要求, 又要使船舶运力最
3 结束语
本文把小波频谱细化方法应用于频谱密集信 号 TVM 430 频谱分析, 得到理想的效果。 在不增 加数据长度的情况下, 用组合小波细化得到的频 谱分辨率高, 谱线清晰。用组合小波设计带通滤波 器, 方法简单容易。 由于小波及小波变换的特性, 此方法可以广泛应用于信号处理的各个领域。