为提高非平稳响应信号瞬时频率的识别效果,提出基于滑动窗宽优化的局部最大同步挤压广义S变换(local maximum synchrosqueezing generalized S-transform,LMSSGST)。该方法首先对非平稳响应信号进行广义S变换获得相应的时频系数;其次,...为提高非平稳响应信号瞬时频率的识别效果,提出基于滑动窗宽优化的局部最大同步挤压广义S变换(local maximum synchrosqueezing generalized S-transform,LMSSGST)。该方法首先对非平稳响应信号进行广义S变换获得相应的时频系数;其次,利用该响应信号的功率谱密度特征曲线确定局部最大同步挤压算子中滑动窗的宽度;再次,通过局部最大同步挤压算子进行时频重排;最后,采用模极大值改进算法提取瞬时频率曲线。通过两个数值算例、一个滑动窗宽参数分析和一个时变拉索试验验证了所提方法的有效性,研究结果表明:利用功率谱密度特征曲线能够有效确定滑动窗的窗宽和模极大值算法的提取范围。相比局部最大同步挤压变换算法,基于滑动窗宽优化的LMSSGST具有更佳的瞬时频率识别效果。展开更多
文摘为提高非平稳响应信号瞬时频率的识别效果,提出基于滑动窗宽优化的局部最大同步挤压广义S变换(local maximum synchrosqueezing generalized S-transform,LMSSGST)。该方法首先对非平稳响应信号进行广义S变换获得相应的时频系数;其次,利用该响应信号的功率谱密度特征曲线确定局部最大同步挤压算子中滑动窗的宽度;再次,通过局部最大同步挤压算子进行时频重排;最后,采用模极大值改进算法提取瞬时频率曲线。通过两个数值算例、一个滑动窗宽参数分析和一个时变拉索试验验证了所提方法的有效性,研究结果表明:利用功率谱密度特征曲线能够有效确定滑动窗的窗宽和模极大值算法的提取范围。相比局部最大同步挤压变换算法,基于滑动窗宽优化的LMSSGST具有更佳的瞬时频率识别效果。
