主题目录

  • 教学团队--黄翔东近5年研究成果

    近5年作为第1作者主要发表的论文(2011~2016)

    [1] Xiangdong Huang, Senxue Jing, Zhaohua Wang, et al. Closed-Form FIR Filter Design Based on Convolution Window Spectrum Interpolation[J]. IEEE Transactions on Signal Processing, 2016, 64(5): 1173-1186.(SCI二区/EI检索,信号处理世界顶级期刊) 

    [2] Xiangdong Huang, Yiwen Han, Ziyang Yan, et al. Resolution Doubled Co-Prime Spectral Analyzers for Removing Spurious Peaks[J]. IEEE Transactions on Signal Processing, 2016, 64(10): 2489 - 2498.(SCI二区/EI检索,信号处理世界顶级期刊)

    [3]Huang Xiangdong, Wang Yuedong, Liu Kun, et al. Event Discrimination of Fiber Disturbance based on Filter Bank in DMZI Sensing System[J]. IEEE   Photonics Journal, 2016, 8(3): 1-14. (SCI二区/EI检索,光学著名期刊)

    [4] Xiangdong Huang, Jia Yu, Kun Liu, et al. Configurable Filter-Based Endpoint Detection in DMZI Vibration System[J]. IEEE Photonics Technology Letters, 2014, 26(19): 1956-1959. (SCI三区/EI检索,光学著名期刊)

    [5] Xiangdong Huang, X Xia. A Fine Resolution Frequency Estimator Based on Double Sub-segment Phase Difference[J]. IEEE Signal Processing Letters, 2015, 22(8): 1055-1059. (SCI三区/EI检索)

    [6] Xiangdong Huang, Ziyang Yan, Senxue Jing, et al. Co-prime Sensing-Based Frequency Estimation Using Reduced Single-Tone Snapshots[J]. Circuits, Systems, and Signal Processing, 2015: 1-12. (SCI四区/E检索)

    [7] Huang Xiangdong, Wang Yuedong, Yan Ziyang, et al. Closed-Form FIR Filter Design with Accurately Controllable Cut-Off Frequency[J]. Circuits, Systems, and Signal Processing, 2016. (SCI四区/E检索)

    [8]黄翔东, 孟天伟, 丁道贤, et al. 前后向子分段相位差频率估计法[J]. 物理学报, 2014, 63(21): 204304-1-214304-7. (SCI四区/EI检索)

    [9]黄翔东, 丁道贤, 孟天伟, et al. 基于中国余数定理的欠采样下余弦信号的频率估计[J]. 物理学报, 2014, 63(19): 198403-1-198403-7.(SCI四区/EI检索) 

    [10] Xiangdong Huang, Xukang Jin. Haipeng Fu. Short-sampled Blind Source Separation of Rotating Machinery Signals Based on Spectrum Correction[J]. Shock and Vibration, 2016 (SCI四区/EI检索, accepted to appear)

    [11]黄翔东, 冼弘宇, 闫子阳, et al. 时—空欠采样下的频率和 DOA 联合估计算法[J]. 通信学报, 2016, 37(5): 21-28. (EI核心期刊检索)

    [12]黄翔东, 王越冬, 靳旭康, et al. 无窗全相位 FFT/FFT 相位差频移补偿频率估计器[J]. 电子与信息学报, 2016, 38(5): 1135-1142. (EI核心期刊) 

    [13]黄翔东, 南楠, 余佳, et al. 双向DFT对称补偿测相法[J]. 电子与信息学报, 2014, 36(10): 2526-2530. (EI核心刊)

    [14]黄翔东, 余佳, 孟天伟, et al. 衍生于全相位FFT的双子段相位估计法[J]. 系统工程与电子技术, 2014, 36(11): 2149-2155. (EI核心刊)

    [15]黄翔东, 王博, 杜宇彬, et al. 全相位 FFT 测相方差及其 Cramer-Rao 下限[J]. 数据采集与处理, 2013, 28(2): 161-165. (EI核心刊)

    [16]黄翔东, 胡勇, 刘洪涛. 基于时间结构的短样本信号盲提取[J]. 电子学报, 2012, 40(3): 472-476. (EI核心)

    [17]黄翔东, 王兆华, 罗蓬, et al. 全相位 FFT 密集谱识别与校正[J]. 电子学报, 2011, 39(1): 172-177. (EI核心刊)

    [18]黄翔东, 王兆华. 全相位FFT相位测量法的抗噪性能[J]. 数据采集与处理, 2011, 26(3): 286-291. (EI核心刊)

    [19]黄翔东, 朱晴晴, 杜宇彬, et al. 有限带宽信号的双谱线比值压缩感知重构算法[J]. 信号处理, 2012, 28(6): 793-798. (重点刊)

    [20]黄翔东,靳旭康. 基于前后向子分段和频移补偿的频率与相位的联合估计器[J].振动与冲击(EI 核心刊,已录用,待发表)

  • 教学资源--课程选用的英文原版教材和主要参考书

    1. Qian Shie.Introduction to time-frequency transform and wavelet transform.(Englishi Edition)[M].Beijing,China Machine Press,2005

    陶然,王越.分数阶傅里叶变换及其应用[M].北京:清华大学出版社,2009

    2.陶然,王越.分数阶傅里叶变换及其应用[M].北京:清华大学出版社,2009 .

    3.胡广书.现代信号处理教程[M].北京:清华大学出版社,2004.

    4. P. Stoica, R.L. Moses. Spectral analysis of signals[M]. Pearson/Prentice Hall, 2005.

    5. P. Stoica, P. Babu, J. Li.New method of sparse parameter estimation in separable models and its use or spectral analysis of irregularly sampled data[J].Signal Processing, IEEE Transactions on, 2011,59(1):35-47.

    6. T. Yardibi, J. Li, P. Stoica, M. Xue, A.B. Baggeroer.Source localization and sensing: A nonparametric iterative adaptive approach based on weighted least squares[J].Aerospace and Electronic Systems, IEEE Transactions on, 2010,46(1):425-443.

  • 内容介绍--课程简介

    课程名称:新型滤波与谱分析

    课程编号:B204E104

    英文名称: Novel Filtering and Spectral Analysis

    开课学院:电子信息工程学院

    学时和学分:  40学时 2学分

    授课方式:课堂授课40学时上满(自09年开始,已经坚持7年课堂授课,未中断过)    讨论部分在研究生e-learning教学平台上进行 

    课程内容介绍:

    在通信、雷达、卫星导航、声纳、自动控制、机械故障诊断等领域涌现出很多用传统滤波和谱分析方法难以解决的问题,如状态估计、波源定位、系统辨识、特征提取等,这些问题急需新的信号处理方法给予解决。

    我们也应看到,各领域所采集的信号越来越复杂,这对信号处理技术提出了更高的要求。其复杂性主要表现在,信号的能量时常被淹没在外界干扰中,信号的统计特性和所包含的频率成分随着时间推移而不断变化,即呈现出非平稳性。如何处理非平稳信号,是不容回避的一个重要课题,新型的谱分析与时频分析是处理非平稳信号的有效手段。

    为此,本课程分别从信号分解与重构的角度出发,讲述新型的谱分析与滤波的基本概念;对短时傅立叶变换、小波变换、维格纳分布这三大时频分析工具的原理与内涵分别做细致讲述,由此引出的分数阶傅立叶变换和模糊函数的原理也做详细介绍,还将对如何提取非平稳信号的时变滤波器滤波器设计做深入介绍。

    此外,结合最近几年的谱分析理论的进展,将互素谱分析、稀疏谱分析的前沿知识也纳入课堂中。

    对每一部分知识,注重将理论与应用结合起来,把生物医学、故障诊断、光纤定位、天文学的应用实例融入课程中,有现场程序演示,以增强博士生对课程的理解。

    考核方式:根据所学知识,结合自己课题,写一篇有关时频分析前沿进展或综述的科技论文。

    • 本主题

      内容介绍--《新型滤波与谱分析》课程特点

          《新型滤波与谱分析》课程特点

                           天津大学电子信息工程学院信息系   黄翔东

            如果说 “ 信号处理 ” 这门学科是 “ 工学中的哲学 ” ,是一点也不过分的。因为信息技术已经渗透到现代工业中的所有行业中,在通信、电力、音视频、光电子、生物医学、机械故障诊断、化工等行业中,几乎无法避免遇到一个同样的场景,那就是:通过传感器把各行业的非电物理量转化为电物理量,再经过 A/D 转化后会即可生成大量数据,如何从这些数据中提取内在信息,以对现场环境及系统内部状态做出准确的估计和判断?这个普遍性问题的解决需要信号处理这门学科给予解决。

            因而信号处理这门学科的发展对现代工业具有很大的推动作用,反过来,在各行业的推动下,小波变换、盲信号处理、模式识别等信号处理方法也得到了极大的发展。然而,我们也应看到,各领域所采集的信号越来越复杂,这对信号处理技术提出了更高的要求。其复杂性主要表现在,信号的能量时常被淹没在外界干扰中,信号的统计特性和所包含的频率成分随着时间推移而不断变化,即呈现出非平稳性。如何处理非平稳信号,是不容回避的一个重要课题,时频分析是处理非平稳信号的有效手段。

           本课程讲授用于处理非平稳信号的各种时频分析工具, 包括短时傅立叶变换、小波变换、维格纳分布及其衍生的科恩时频分析工具族、分数阶傅立叶变换、 Hilbert-Huang 变换等时频分析工具。

            需指出的是,任何信号处理方法都有其数学表征形式,在处理过程中都伴随着数学计算。在多年的教学实践与研究过程中,本人一直在不断思考这一问题:仅仅从数学的角度认识时频分析是否过于单一和片面 ? 因为对于工程师来说,时频分析首先是个工具。既然是个工具,那就是用于解决工程问题的。因而我们只有遵循人类对客观世界的认识规律,从表及里,由现象到本质,带着问题思考为什么某种时频分析工具在具备某种独特优势的同时,也具备其内在缺陷?进而深入剖析各中时频分析的数学表示形式,配合 MATLAB 仿真和实际课题的应用实例,从理论和应用两个层面才能深入理解时频分析的适用范围和内在本质。才能在日后工作中,解决具体信号处理工程问题时,做到得心应手,娴熟自如。

            因而,本课题不会但从数学上讲述时频分析,数学应放置在对工程意义的解释层次上。另外,本课程将会配合具体应用实例做深入分析。

           本课程已讲授7年,积累了较为丰富的经验。教材选用国际时频分析权威Qian Shie的英文原版教材《Introduction to time frequency transform and wavele transform》,采用双语教学。

            本课程是天津大学电子信息工程学院“信息与通信工程”与“微电子学与固体电子学”两个学科的博士生课程,但不仅限于这两个专业,各学院的博士生都可去院办研究生教学秘书那里去登记选课。力图通过这门课,大家一起交流在各自领域中的信号处理研究心得,共同进步。欢迎电信学院其他专业及精仪学院、自动化学院等学院的博士生选课。

      • 内容介绍-课程大纲

        课程教学大纲

        章节序号

        章节名称

        内容要点

        学时安排

        授课方式

        课堂讲授

        其它

        (请注明)

        1

        绪论与课程介绍

         

        时频分析与谱分析基本概念,应用举例

        4

         P

        e-learning平台上学术讨论

        2.

        傅立叶变换-数学显微镜

        (1)  傅立叶变换与各时频分析工具关系

        (2)  用框架理论理解时频分析

        (3)  不确定原理的证明与理解

        6

        P

        e-learning平台上学术讨论

        3.

        短时傅立叶变换与Gabor展开

        (1)  短时傅立叶变换基本概念和内涵

        (2)  离散Gabor展开和周期离散Gabor展开

        (3)  对偶函数对信号重构的影响

         

        6

        P

        e-learning平台上学术讨论

        4

        线性时变滤波器

        (1)  线性时变滤波器的概念与应用举例

        (2)  线性时变滤波器的LMSE设计法和迭代设计法

        4

        P

        e-learning平台上学术讨论

        5

        小波变换与时频分析

        (1)  小波变换与短时傅立叶变换的时频分析差异

        (2)小波变换时频分析举例

        4

        P

        e-learning平台上学术讨论

        6

        维格纳-Ville分布

        (1)  维格纳分布的基本概念

        (2)  维格纳分布与小波变换、短时傅立叶变换的理论联系

        (3)分数阶傅立叶变换与三大时频分析工具关系

        6

        P

        e-learning平台上学术讨论

        7

        其他时频功率谱

        (1)  模糊函数与时频功率谱

        (2)Cohen类时频分析工具特点

        4

        P

        e-learning平台上学术讨论

        8

        现代谱分析的进展

        (1)稀疏采样下的互素谱分析

        (2)短样本数据的高分辨率谱分析

        6

         P

        e-learning平台上学术讨论

         

         

         

         

         

         

        • 内容介绍--课程体系结构

          课程体系介绍

          滤波:去除信号中不想要的成分,保留其中想要的成分的信号处理操作。

          谱分析:通过信号处理手段,分析信号所包含的成分。

           数字滤波

                          基于频带分割的:经典滤波理论(FIR,IIR

               平稳信号

                          基于统计意义的:  维纳滤波,自适应滤波(LMS,RLS

                          现代滤波理论      卡尔曼滤波(高斯 线性)

                                                                              粒子滤波(非高斯 非线性)

               非平稳信号:基于时频分析的时变滤波器

          谱分析

                                                                确定信号:经典傅立叶理论

                         经典谱估计

               平稳信号                         随机信号:基于FFT的周期图(Bartlett welch

                                                         Blackman-Turkey法等)

                         现代谱估计:基于参数建模的谱估计(AR MA ARMA

                                       短时傅里叶变换

               非平稳信号:四大手段    小波变换             20世纪末理论成熟

                                                           Wigher-Ville分布

                                                                      分数阶傅立叶变换(理论还未成熟)

          • 教学活动---怎样理解平移不变框架的表示形式?

            上周上课,由于停电,天快黑的那次,有个问题我布置了同学们课后思考。不知道大家思考得怎么样?

            这个问题是关于平移不变框架的时域表示与频域表示的理解。

          • 教学活动---为什么高斯函数在时频分析中这么重要?

                  时频分析中,最期望时间分辨率和频率分辨率都做到很高。即 ∆t∆w尽量小。

                 很遗憾的是,由于受Uncertainty Principle不确定性原理的限制。 ∆t∆w的乘积值最小值只能为1/2。

                 这个值是由施瓦茨不等式得来的,而我们上节课发现,施瓦茨不等式取等号的条件推导,可得到这时两者乘积的下限对应情况是信号为高斯信号的情况。

                 而且高斯函数无限可微,另外有确切的微分解析表达式,高斯函数的傅立叶变换也有确切的解析表达式。

                因而高斯函数在时频分析中非常重要。

             

            • 教学活动----想想若通过低通滤波消除交叉项干扰后,会出现什么副效应?

               

              答: 低通滤波不仅会对交叉项进行模糊,而且会对有用的时频成分进行模糊处理。因而其副效应时,会使得有用的时频成分的聚焦性变差。

              • 教学活动---怎样用框架冗余度的角度理解:在时频域滤波去噪效果好?

                    相比于傅立叶域,时频域用时间和频率二维平面表示信号的属性,其滤波后的降噪性能比傅立叶域好得多。

                    为什么呢?

                    例如,我们学习Gabor变换时,指出,其基函数是对高斯函数进行平移+调制得到,而这样得到的框架是高度冗余的。

                    高度冗余的框架意味着什么呢?结合小波课讲述的框架理论,高度冗余的框架意味着在变换域更容易形成稀疏表示,而且由再生核投影原理可知,高度冗余的框架使得对变换稀疏做投影后,噪声分量更多被与信号正交的平面接收,而在纯信号平面上变小。 时频域滤波相比于传统傅立叶滤波,其效果更好。

                • 教学活动--请想想小波变换、短时傅立叶变换的基函数是怎样形成的?因此它们分别适合分析什么特征的信号?

                  答: 小波基函数是对母小波进行伸缩后再平移得到的。

                       而短时傅立叶变换的基函数是对窗函数平移后,再进行调制得到的。

                      由于两种变换的结果都是由信号与基函数做内积得到,因而受基函数限制,

                      小波变换适合对频率成分在短时间内突然变化的信号作时频分析,即适合对突变信号做时频分析。

                       而短时傅立叶变换则适合对频率成分在短时间缓慢变化的信号作时频分析,即缓变信号做时频分析。

                  • 教学活动----请问由短时傅立叶变换怎样得到信号能量分布?它有什么物理意义?有什么缺点?

                     

                    答: 对短时傅立叶变换取模后,再进行平方,即得能量谱spectrogram. 这个谱的物理意义是:描述了不同时刻,信号不同频率成分上的能量密度。

                    缺点是:短时傅立叶变换的能量谱聚焦性不好。

                    • 教学活动---维格纳分布的交叉项在什么条件下产生?在时频面中交叉项在哪些位置出现?有什么特征?想想怎样去消除?

                       

                      答: 当信号包含多个时频成分时,两两时频成分间就会产生交叉项干扰,交叉项干扰在两时频成分的中间位置出现。交叉项干扰的分布特点是:振荡频率高,幅度大。因而可借助低通滤波来消除。

                      • 教学活动---请问对于平稳信号,功率谱和自相关函数是什么关系?功率谱有没有相位特征?

                         

                        答: 是个傅式变换对的关系,也就是对信号的自相关函数做傅立叶变换记得功率谱。

                             由于自相关函数的傅里叶变换是实数,没有复数部分,故失去了相位特征。

                        • 技术实施--材料收集工作

                           

                          (1)授课人自身精读整篇教材3遍以上,以保证站在足够高度和覆盖足够的广度进行前沿教学。

                          (2)筛选其中核心和重要的内容进行教学

                               所选的全英文教材内容繁多;不可能在有限的40余课时能够讲完,授课人自身要在精度全书基础上,有针对性地将重点内容、有代表性的内容筛选出来。其余内容要有引导性地启发博士生自己去掌握。

                          (3)撰写讲义,对教材做提炼,在讲义上注入自己的语言和理解;

                          (4) 配套地编制一些程序、根据自身科研情况,寻找实例来支撑新教材建设。

                          新教材的使用绝不应停留在枯燥的理论教学,而是应自己编制演示程序、自己建立配套的课题实例来给予支撑;

                          (5) 提取教材英文写作精华,给博士生以英文写作方面的指导

                           对于博士生来说,选择英文教材的另一目的,就是写作方面的指导。引导博士生汲取国际学术大师在科技专著内容写作的精华(如专业词汇怎样表述,句式怎样表达,行文怎样组织,公式推导的英文措辞等等),在课堂上为帮助博士生多产出SCI英文论文奠定基础。

                          (6) 英文教学的渗透程度要逐渐提高

                               本课程教材已经全英文化:选用的是小波理论全球最权威的学者Stephane Mallat撰写的《 A wavelet Tour of Signal Processing, 3rd version》 作为教材。

                               板书也全英文化,从而平时可以为博士生提供英文写作、阅读的实战经验。

                               唯一的困难是 课堂教学口语全英文化, 对于课堂口语全英文化, 主讲人黄翔东已经在中法班的《Advanced Signal Processing》的做了课堂教学实施,但这门课理论性较强, 要博士生自己主动学,口语全中文化正在摸索中.....

                          (7) 课堂教学视频录制

                              15162学期的《新型滤波与谱分析》的课堂教学全部已经录制完毕,正在处理上传中......