非平稳信号稀疏表示的研究发展

《非平稳信号稀疏表示的研究发展》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、文章编号:1001-9081(2012>01-0272-07doi:10.3724/SP.J.1087.2012.00272摘要:信号分解是从信号中获取特征信息的过程，是模式识别、智能系统和故障诊断等诸多领域的基础和关键。非平稳信号往往包含着反映系统变化的重要信息，并且广泛存在，对其研究具有非常重要的理论意义和工程应用价值。以改进信号表示的稀疏性为主线，分析了推动非平稳信号特征提取方法发展的工程背景，详细描述了5类特征提取方法的特性与机理、历史沿革和面临的挑战，比较研究了各种方法的模型，并系统评述了这些模型在信号处理和分析中的最新进展，以及在一些领域中的应用。最后指出了各种方法目前存在的问

2、题和不足，探讨了进一步的研究重点。?关键词:非平稳信号；信号分解；稀疏性；信号表示?中图分类号:TN911.7文献标志码:AAbstract:Signaldecompositionisaprocessthatobtainsinformationfromsignalsanditisafoundationalandkeytechniqueformanyfieldssuchaspatternrecognition,intelligentsystemandmachineryfaultdiagnosis.Itisveryimportanttostudynon-stationarysignaldeco

3、mpositionwhichalwaysincludeslotsofinformationthatcanreflectthechangingofthesystemandwidelyexists.Afterimprovingthesparsityofsignalrepresentation,theengineeringbackgroundoffeatureextractionfornon-stationarysignalwasstudiedinthispaper,thecharacteristics,mechanisms,developmenthistoryandcurrentandfutu

4、rechallengesoffivetypesofmethodswereanalyzedindepth,themodelsofthesemethodswerecompared,togetherwiththestate-of-the-artoffeatureextractionmodelsinsignalprocessingandanalysisandsomesuccessfulapplicationsavailableweresystematicallyreviewed.Finally,severalmainproblemsandafewdeficiencieswerepointedout

5、,andfutureresearchdirectionswereanticipated.Keywords:non-stationarysignal;signaldecomposition;sparsity;signalrepresentation0引言？一切运动或状态的变化，广义地说都是一种信号，它们传递着关于自然界的各种信息，蕴含着揭示事物本质的各种特征。通常，只要获取这些信号中反应事物本质的特征信息，就能准确认识事物。因此，如何从客观信号中分解出这些特征信息便成为人们最为关心的问题。长期以来Fourier分析一直都是信号分解的主导工具。然而，Fourier变换仅仅是在整体上把信号分解为

6、不同的频率分量，不具备在时间和频率上同时“定位”的功能。如图1(a)所示的对于频率成分正比于时间变化的chirp信号，其Fourier变换后的频谱会散布在整个频率轴上，如图1(b)所示，从该频谱曲线上根本无法看出信号的频率随时间线性增加的特点，此时的Fourier变换用于信号分析几乎没有任何意义。所以，Fourier变换仅适用于周期性信号和统计平稳信号。然而，自然界和工程领域中瞬变、不平稳现象随处可见，如故障监测、语音识别、雷达和声呐信号、生物医学信号和跳频信号以及地球物理勘探信号等，其特点是持续时间有限，并且蕴藏着频率随时间变化的本质特征，单独在时域或频域描述其特征都将decomposi

7、tion;sparsity;signalrepresentation0引言？一切运动或状态的变化，广义地说都是一种信号，它们传递着关于自然界的各种信息，蕴含着揭示事物本质的各种特征。通常，只要获取这些信号中反应事物本质的特征信息，就能准确认识事物。因此，如何从客观信号中分解出这些特征信息便成为人们最为关心的问题。长期以来Fourier分析一直都是信号分解的主导工具。然而，Fourier变换仅仅是在整体上把信号分解为不同的