闪电是一种大气放电现象,具有灾害性。它会引发森林火灾、损坏建筑物、破坏通讯设备,甚至对人和动物的生命安全造成威胁。因此,研究闪电的发生、发展、及其不同放电类别的识别,对雷电预警、防护工作具有一定的指导作用。本文研究了闪电快电场信号的预处理、时频分析、特征提取、分类识别四个方面的内容,旨在运用现代信号处理技术分析闪电电场的发展规律,研究基于闪电电场特征的自动化识别,为雷电预警和防护提供依据。本文的主要工作有以下三点:1.针对闪电信号中混杂噪声的情况,将经验模态分解(EMD)和同步压缩小波变换(SST)运用到闪电快电场信号的去噪中,提出了一种基于EMD和SST算法的闪电电场信号去噪方法。同时,将该方法分别运用到仿真信号和自然闪电信号的去噪处理中,并将去噪效果与小波阈值法、单独用EMD法、单独用SST法进行了对比。实验证明,相比于其他三种方法,本文方法的去噪效果更好。本文方法在去除噪声的同时保留了闪电信号的细节特征,这对闪电信号的微小放电过程如回击等的研究具有重要的意义。2.将一种时频分析新技术—频率切片小波变换(FSWT)运用到闪电信号的时频分析中。FSWT通过引入频率切片函数和尺度因子,可实现将闪电信号的一维时间序列转换到二维时频面,在时域和频域上同时分析闪电信号能量随频率和时间的变化情况。同时,利用FSWT可以兼顾低频段和高频段的时频分辨率和任意控制信号的时频分辨率的特点,可对闪电信号进行任意频带的提取和重构,为闪电信号的特征提取提供依据。3.分别利用小波分解、经验模态分解和频率切片小波变换三种方法提取了闪电信号的能量特征,将其分别作为特征向量送入支持向量机进行地闪和云闪的自动化识别。实验结果表明,三种方法均获得了较高的识别率,其中利用频率切片小波变换提取的能量特征的识别,其识别率最高。