摘要：由于采集信号为入射波与多反射波的叠加,且多分量信号之间存在耦合不服从线性叠加原理,导致以采用魏格纳分布(Wigner-Ville distribution,WVD)为核函数的传统时频域反射法(time-frequency domain reflection,TFDR)存在严重的交叉项干扰,影响对缺陷的定位和判断。针对这一问题,本文提出一种基于同步压缩变换的电缆缺陷定位方法,该方法采用同步压缩变换(synchrosqueezing transform,SST)替代WVD以消除交叉项干扰,并以高分辨率定位电缆缺陷。同时分析参考信号相关参数,针对不同长度电缆测试,提出参考信号设计原则。该方法的主要步骤包括:通过采用TFDR法获取时域定位信号;然后采用SST求取压缩和重排后的时频谱图,以获取更精确的时频表达并消除交叉项干扰。最后,搭建了10kV交联聚乙烯电缆仿真模型进行研究,并选取了长度为500 m含中间接头的XLPE电力电缆和某地约32km海底电缆对算法进行实验验证。仿真及实验结果表明:SST算法对信号进行重排后能有效消交叉相的干扰,提高了时频域反射法定位精度。

摘要：针对稳态视觉诱发电位(steady state visual evoked potential,SSVEP)范式下脑电信号(electroencephalograph,EEG)信噪比低、限制其识别正确率提高及脑-机接口应用等问题,根据EEG随机性、近似平稳的特点,提出了用于SSVEP特征频率提取的同步压缩短时傅里叶变换方法。该方法利用短时傅里叶变换对EEG进行时频分析,并通过同步压缩变换对时频平面的能量在频率方向进行重新分配,获得频率曲线更加集中的时频表达;同时为提高EEG信噪比,提取SSVEP脑电中特征频率附近信号进行重构,并利用典型相关分析进行分类识别,有效提高了最终识别正确率。仿真和实验结果表明,该方法极大地提高了信号的信噪比,具有良好的抗噪声性能和信号提取精度,且与传统的经验模态分解和常规滤波方法相比,该方法平均识别正确率最多分别提高了9.98%和4.38%,平均信息传输率最多分别提高了7.57bit/min和2.69bit/min,有效提高了SSVEP范式下脑-机接口的工作性能。