相对于频率成分单一、周期性强的平稳信号来说,具有非平稳、非周期、非可积特性的非平稳信号更普遍地存在于自然界中。调频信号作为非平稳信号的一种,由于其频率时变、距离分辨率高、截获率低等特性,被广泛应用于雷达、地震勘测等领域。调频信号最显著的特点为其频率的时变特性。早期的信号研究领域中,频率的提出,是用于描述信号具有周期性特征的概念,其定义并不符合描述调频信号特征参数的要求,为了描述非平稳信号在某一时刻的瞬态特征,随后提出了瞬时频率的概念。在地质学领域中,对于地震信号瞬时频率的监控,可用于震点预测;在电气工程领域,瞬时频率常用于预判电力系统发生故障的时间和类型;在医学信号处理中,瞬时频率可用来分析脑电图信号,测定大脑正在进行何种活动。由于瞬时频率估计在信号处理领域中的广泛应用,对于其相关频率估计方法的研究是各个领域中的焦点。
鉴于此,提出一种基于随机期望最大化的多分量信号瞬时频率估计方法,该方法引入了一种新的观测模型估计多分量信号模态的瞬时频率,采用贝叶斯框架估计瞬态频率,使用混合模型来考虑信号分量和分布噪声,并使先验模型与参数相关联,以建模可用的先验知识,然后通过随机期望最大化算法制定一种自适应的估计策略。 该方法可作为深度学习通用信号识别的前处理过程,可用于论文创新。
%% Time-frequency representation parametersM = 500; %% Number of frequential binL = 20; %% analysis window size (in bin)%% Define signal x0N = 500; %% signal length
X(:,1) = real(fmlin(N,0.15,0.3));X(:,2) = real(fmsin(N,0.3,0.45,700,1,0.3,+1));
x0 = sum(X,2);tfr = tfrgab2(x0, M, L);Spect=(abs(tfr(1:round(M/2),:)));
figurecolormap(flipud(gray))imagesc(Spect)axis squareax = gca;ax.YDir = 'normal'xlabel('Time index','FontSize', 12, 'FontWeight', 'bold')ylabel('Normalized frequency','FontSize', 12, 'FontWeight', 'bold')yticks([1 M/4 M/2])yticklabels({0,0.25,0.5})
完整代码可通过知乎学术咨询获得:
https://www.zhihu.com/people/ge-ting-gen-shu-xue-xue-pai
工学博士,担任《Mechanical System and Signal Processing》等期刊审稿专家,擅长领域:现代信号处理,机器学习,深度学习,数字孪生,时间序列分析,设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。