搜索资源列表
spfx
- 时频分析工具箱，功能强大，能够出理和分析非平稳信号
非平稳信号的小波分析与拟合问题研究
- 非平稳信号的小波分析与拟合问题研究,一篇博士论文,
非平稳信号特征提取方法在超高压压缩机故障诊断中的应用研究
- 非平稳信号特征提取方法在超高压压缩机故障诊断中的应用研究,博士论文,可以
基于MATLAB的系统分析与设计
- 基于MATLAB的系统分析与设计，主要是介绍非平稳信号的时频分析。
Gabor变换在模态参数辨识中的应用
- 对Gabor时频变换在模态参数辨识中的应用进行了探讨,将基于Gabor系数展开的时频滤波方法作为参数辨识的前处理手段之一,该方法对于平稳、非平稳信号都适用。根据信号在时频域内的分布特征,可以直接观测系统的频率分布情况、模态密集程度、能量聚集性、各通道响应信号所含特征量的多少等信息,从而对响应信号的特征构成进行初步判断,并通过剔除、截取等操作实现对响应信号的滤波,更有利于模态参数的辨识。
Three-non-stationary-time-frequency-signal
- 三种非平稳信号时频分析的方法 窗口傅里叶变换、wigner分布和小波变换-Three non-stationary time-frequency analysis window Fourier transform, wigner distribution and wavelet transform
HHT
- HHT(hilbert Huang-transfrom)可以实现同时对信号的时频分析，得到信号的Hilbert时频谱和能量谱，-HHT (hilbert Huang-transfrom) can achieve the same time, the time-frequency analysis, when the signal spectrum and Hilbert energy spectrum
lmd
- 包含国内外介绍局部均值分解（一种非平稳信号处理方法）的文献。-articles about Local Mean Decomposition method.
fulltext2
- 很好的非平稳信号的处理书籍，用于进行EMD分解-Good non-stationary signal processing books for the EMD decomposition
EMD-envelope-improve-research
- EMD中包络算法改进的研究与分析，可以很好的实现非平稳信号的分解！-EMD in the envelope algorithm to improve research and analysis, can achieve a good decomposition of non-stationary signals!
23
- 机械设备发生故障时, 故障特征的提取很重要。对于多通道的设备故障振动信号, 应用非平稳信号的盲源分离算法, 可以有效地提取各自独立的非平稳振动源,从而可以准确地进行机械故障诊断。针对不同时频分布的非平稳盲源分离算法, 比较了它们的分离效果。以转子的复合故障为例, 验证了该算法在故障诊断中可行性。-Machinery and equipment failure, the fault feature extraction is very important. Failure vibration si
Noise-reduction-algorithm
- 对设备进行故障诊断的主要方法就是测量故障 设备的振动或噪声, 并对其进行分析, 从而找出故障原因。然而振动或噪声信号中除了对分析故障有用的信息外, 还有大量的噪声成分。只有有效地滤除噪声, 才能获得有用的信息, 从而得到可靠的分析结论。传统的滤噪方法是将被噪声污染的信号通过一个滤波器, 滤掉噪声频率成分。但对于短时瞬态信号、非平稳信号、含宽带噪声的信号, 采用传统处理方法有着明显的局限性。小波变换为信号去噪提供了一种有效的方法, 小波阈值去噪具有传统方法不可比拟的优越性。但是小波分解的频域重
Local-waveanalysis-of-the-law
- 为了克服傅氏变换不能同时保留信号的时间 信息和频率信息的缺点,人们引进了局域波法，它是最近发展起来的处理非线性、非平稳信号的时频分析方法,通过对信号局部特征出发,直接由信号本身构造基函数,具有良好的局部适应性-In order to overcome the Fourier transform of the shortcomings of the time and frequency information of the signal can not be reserved, the int
COT
- 关于阶比分析的文献，阶比分析广泛应用与非平稳信号中，希望有所有帮助-About order analysis literature Order Analysis widely used non-stationary signals, hope to have all the help
117
- 针对非线性非平稳信号的去噪问题，提出一种基于主成分分析（ＰＣＡ）的经验模态分解（ＥＭＤ）消噪方法．该方法根据ＥＭＤ的分解特性，利用ＰＣＡ对噪声信号经ＥＭＤ分解后的内蕴模态函数（ＩＭＦ）进行去噪处理-For nonlinear and non-stationary signal de-noising is proposed based on principal component analysis (PCA) of the empirical mode decomposition (EMD) de
Study-on-compound-fault-diagnosis
- 针对滚动轴承复合故障信号特征难以分离的问题， 提出将双树复小波变换和独立分量分析( ICA) 结合的故障诊断方 法 该方法首先将非平稳的故障信号通过双树复小波变换分解为若干不同频带的分量 由于各个分量存在一定的频率混叠， 对 故障信号特征提取有很大的干扰， 进而引入 ICA 对各个分量所组成的混合信号进行盲源分离， 从而尽可能消除频率混叠 最后 对从混合信号中分离出来的独立分量信号进行希尔伯特包络解调， 即可实现对复合故障特征信息的分离和故障识别-Aiming at the diff
20161203
- hht变换在处理非线性、非平稳信号方面相对于传统的信号处理手段表现出很好的优越性-Hht transform in the processing of non-linear, non-stationary signal relative to the traditional signal processing means to show good superiority
EEMD相关文件
- Hilbert-Huang变换(HHT)是一种新的非平稳信号处理技术，该方法由经验模态 分解(EMD)与Hilbert谱分析两部分组成。任意的非平稳信号首先经过EMD方法处理后被分解为一系列具有不同特征尺度的数据序列，每一个序列称为一个固有模态函数(IMF)，然后对每个IMF分量进行Hilbert谱分析得到相应分量的Hilbert谱，汇总所有Hilbert谱就得到了原信号的谱图。该方法从本质上讲是对非平稳信号进行平稳化处理，将信号中真实存在的不同尺度波动或趋势逐级分解出来，最终用瞬时频率和能量来
希尔伯特黄变换及其应用研究
- 这是一种用来分析非线性、非平稳信号的方法。(A Nonlinear Nonstationary Signal Analysis Method)
基于改进的希尔伯特振动分解的机械故障诊断方法研究
- 针对多分量机械故障振动信号的特征提取问题，介绍一种基于希尔伯特振动分解( HVD) 的时频分析方法。该方法首先利用 Hilbert 变换得到原始振动信号的解析信号，然后通过对解析信号的瞬时频率低通滤波获得信号中幅值最大分量的瞬时频率，同时经同步检测获得相应的瞬时幅值和初相位，最后经过迭代运算自适应地检测出原信号各分量的时频信息。针对 HVD 方法的边界效应问题，提出一种基于相关系数准则的波形匹配边界延拓法对其进行改进。 通过两组仿真信号分析验证了 HVD 方法对多分量非平稳信号的分解能力，同时