希尔伯特-黄变换在电力谐波分析中的应用

电力系统中的故障暂态信号多为非线性非平稳信号,希尔伯特-黄变换(HHT)被认为是专门针对非线性非平稳信号的分析方法.将HHT引入到电力系统谐波检测中,利用经验模态分解(EMD)获得谐波信号的本征模态函数(IMF),通过选取IMF并对其进行Hilben变换,提取出IMF分量的瞬时频率和瞬时幅度.利用合成的IMF分量的Hilbert谱分布,对故障暂态进行了时间-频率-振幅的联合分析.仿真研究表明:基于HHT的故障检测方法能充分提取故障信息,故障定位准确,提高了故障检测的可靠性.     

一种新的线性调频信号的瞬时频率估计方法*

基于HHT（HilbertHuang transformation）是一种能分解出信号的任何频率分量的主成分分析法以及线性调频信号（LFM）的瞬时频率是关于时间的直线,将LFM 信号先作HHT得到其瞬时频率,然后利用该瞬时频率中间部分的时频点作最小二乘（LSM）直线拟合。这种改进的LSM直线拟合方法不仅剔除了HHT固有的边界效应在瞬时频率斜线两端产生的高频谐波,从而有效地抑制了这种边界效应对瞬时频率估计的影响,而且直接得到了较为准确的LFM 信号的瞬时频率参数估计值。与通过改变HHT算法来减小HHT边界     

基于HHT变换的病态嗓音特征提取及识别研究

主要介绍基于HHT变换提取的瞬时能量(A)和瞬时频率(f)的标准差参数作为病态嗓音特征参数的有效性,详细描述了A-f新特征参数的提取过程,并利用DHMM模型对A-f标准差新特征参数,与语音识别中常用的MFCC系数进行识别。识别结果表明,由HHT变换提取的A-f标准差参数更适合于描述病态嗓音,更能有效区分病态嗓音和正常嗓音。     

基于HHT的复合材料层合板结构损伤识别

针对航空飞行器复合材料层合板结构的健康监测,提出一种基于HHT的新型损伤特征量提取方法.利用结构动态响应信号的Hilbert能量谱构造了损伤特征量,用以表征信号的能量变化,从而对带损伤结构进行损伤识别.通过光纤布拉格光栅(FBG)加速度传感器采集数据,比较复合材料层合板在完好和带损伤两种情况下的信号能量变化,实现了对结构小损伤的识别.试验结果表明,构造的结构损伤特征量可以应用于复合材料层合板的结构健康监测,具有良好的灵敏度和实用性.     

基于HHT的信号奇异性检测

针对信号的奇异性,采用基于希尔伯特-黄变换（HHT）的方法进行奇异性分解,即首先利用经验模态分解（EMD）对信号进行分解,再提取第一阶分量的瞬时频率;利用瞬时频率检测信号奇异点。通过对幅值突变、频率突变、脉冲突变和方向突变四种奇异信号的仿真分析,表明了该方法能够准确地检测信号奇异点。     

希尔伯特-黄变换手写体汉字识别方法

针对脱机手写体汉字的非平稳特性,提出了一种基于希尔伯特-黄变换的手写体汉字识别方法.该方法根据汉字图像的特点将一维HHT扩展为二维HHT,用以获得汉字的瞬时频率特征,并将局部的瞬时频率特征和全局的Zernike矩特征组合作为最终的识别特征.实验结果表明,该方法是有效的.     

微电网HHT谐波检测与时频分析方法

为解决微电网谐波、突变等复杂非平稳信号的精确检测问题,提出一种基于Hilbert-Huang变换（HHT）的微电网谐波检测与时频分析方法。该方法采用保形分段三次埃尔米特插值法拟合极值点曲线,对谐波信号进行经验模态分解（EMD）,得到有限个固有模态分量（IMF）并进行Hilbert变换,最终计算各个IMF分量的瞬时频率和瞬时幅值,实现微电网谐波等非平稳电能信号的时频特性精确检测。仿真结果表明,该方法能够快速、准确地获取谐波信号频率成分、幅度及电压突变时刻。相对于FFT变换及传统HHT方法具有较高的精度和时域区分特性,可满足微电网谐波微机检测的工程应用需求。     

一种利用HHT消除信号短时强干扰的方法

针对信号中含有的短时强干扰会引起瞬时振幅和瞬时频率明显异常的特点,基于Hilbert-Huang变换（HHT）提出一种消除方法。利用经验模态分解（EMD）将存在短时强干扰的信号分解成本征模函数（IMF）和残余项;计算每阶IMF的瞬时振幅和瞬时频率,在异常区段,将其根据正常区段的数据进行拟合,用拟合后的数据代替原数据。将处理后的瞬时振幅和瞬时频率重构得到一组新的IMF,对残余项,直接去除异常波动。将所有新的IMF和残余项重新组合,所得信号就消除了干扰的影响。数值仿真和实测数据处理结果表明了该方法的可行性。     

瞬时频率的Prony方法提取及MATLAB实现

瞬时频率是信号重要的瞬时特征参数,由于其在通信中的信号调制样式识别、电台"指纹"识别等诸多方面有着广泛的应用,故成为信号处理领域的一个研究热点.旨在有效的提取信号的瞬时频率,介绍了瞬时频率的定义、常用的瞬时频率提取方法及扩展的Prony方法的基本原理与步骤,采用Prony方法提取信号的瞬时频率,给出了算法流程和MATLAB实现的核心程序代码,对线性扫频信号和4FSK信号进行了仿真试验,与相位建模法、WVD法相比,估计的瞬时频率在低信噪比时的均方差较小,结果表明该方法可行,在低信噪比条件下有一定的优势.     

基于局部特征尺度分解与瞬时频率谱的齿轮故障诊断

齿轮故障振动信号具有非平稳、非线性特征,且可视为多个调幅-调频分量的叠加,单个调幅-调频分量的瞬时频率蕴含了齿轮的故障特征;为了将信号准确分解、获得单分量的瞬时频率,进而根据瞬时频率谱进行齿轮故障诊断,提出了局部特征尺度分解与瞬时频率谱相结合的故障诊断方法;该方法首先对齿轮振动信号运用局部特征尺度分解,得到若干个瞬时频率有物理意义的内禀尺度分量,然后分别应用希尔伯特变换技术求取每个分量的瞬时频率,并对瞬时频率进行傅里叶变换得到瞬时频率谱,最后根据瞬时频率谱进行故障诊断;对齿轮断齿故障实验数据进行了方法有效性分析,分析结果表明:该方法不仅能够准确诊断出齿轮箱故障情况,还能定位发生故障的齿轮,该方法可有效地应用于齿轮故障诊断。     

同步挤压小波变换提取地震信号瞬时属性

地震信号瞬时参数的准确提取对于研究地球介质的岩性构造、油气储藏等具有重要意义。针对用传统时频分析方法提取地震信号瞬时参数对噪声敏感、可靠性不强等问题,提出了利用同步挤压小波变换(SST)提取地震信号瞬时参数的方法。该方法是一种连续可逆的时频变换工具,首先结合时频谱重排的思想,得到同步挤压小波变换量值,然后计算出实信号对应的解析信号,接着求取瞬时参数,最后与传统的Hilbert变换方法进行比较,通过仿真信号试验和实际地震资料的应用表明,SST提取的地震瞬时参数抗噪性更强、可靠性强,尤其对于瞬时频率的提取。     

基于经验小波变换的结构损伤特征提取

为了更好地提取结构损伤特征信息,提出了基于经验小波变换(EWT)和希尔伯特变换的振动信号分析方法。首先,用EWT对结构损伤加速度振动信号的频谱进行自适应分割,然后提取不同的调幅-调频(A M-AF)分量,最后对其进行希尔伯特变换,获取瞬时频率。仿真和工程实验结果表明:经验小波变换相对于经验模态分解(E MD)可以更好地提取信号的各个特征分量,为信号时频处理奠定基础,且分解的模态少,不存在虚假模态。同时,EWT与Hilbert的结合更进一步验证了该方法的有效性。     

Analysis of normal and epileptic seizure EEG signals using empirical mode decomposition

Epilepsy is one of the most common neurological disorders characterized by transient and unexpected electrical disturbance of the brain. The electroencephalogram (EEG) is an invaluable measurement for the purpose of assessing brain activities, containing information relating to the different physiological states of the brain. It is a very effective tool for understanding the complex dynamical behavior of the brain. This paper presents the application of empirical mode decomposition (EMD) for analysis of EEG signals. The EMD decomposes a EEG signal into a finite set of bandlimited signals termed intrinsic mode functions (IMFs). The Hilbert transformation of IMFs provides analytic signal representation of IMFs. The area measured from the trace of the analytic IMFs, which have circular form in the complex plane, has been used as a feature in order to discriminate normal EEG signals from the epileptic seizure EEG signals. It has been shown that the area measure of the IMFs has given good discrimination performance. Simulation results illustrate the effectiveness of the proposed method.     

基于小波去噪和EMD的船舶液位信号特性分析

为提高船舶液舱液位测量精度,研究了液位测量信号的特性,提出基于小波去噪和经验模态分解(EMD)的水位信号处理新方法。用平移不变小波去噪算法对液位信号进行预处理,消除异常事件对EMD方法的影响,用EMD分解信号,按照给定的置信度去除高频固有模态(IMF)分量,提取低频IMF及趋势项进行重构,得到的无干扰成分即为液位真实信号。理论及实验研究表明,只有在有效消除异常干扰的情况下才能获得可靠的IMF分量,采用该方法提取有异常干扰的液水位信号真实趋势是有效可行的。     

气体传感器温度调制信号的瞬时频谱分析

温度调制技术已被证明能够改善气体传感器的选择性。为了有效提取传感器对被测气体的响应特征,提出应用Hil-bert-Huang变换对温度调制下的气体传感器的动态信号进行分析,可获得传感器动态响应信号中的瞬时频谱和边际谱等有效的气体响应特征。通过对一个微热板式气体传感器在矩形波调制下对三种易燃易爆气体响应的动态信号进行测试和分析,说明提取的瞬时频谱和边际谱能较好的体现被测气体信息。进一步研究了调制周期对动态响应信号的影响和该方法在正弦波、三角波等温度调制模式下的传感器对三种易燃易爆气体的响应,结果说明使用瞬时频谱能够有效提取信号中的气体信息。     

基于瞬时相位分析的时钟抖动检测方法

针对时钟信号抖动的测量问题,提出了一种通过分析信号瞬时相位来测量信号抖动的新方法.该方法利用基于双窗函数频域法实现的希尔伯特变换来构造待测时钟信号的解析信号,再由该解析信号提取出待测信号各个时刻的瞬时相位,最后通过分析相位的抖动计算出时钟信号的抖动.用该方法对实例含抖动时钟信号进行了仿真实验,结果表明所测抖动与在待测时钟信号中加入的抖动一致;在窗函数的对比实验中,该方法表现出了更好的测量精度.     

高阶时频变换理论与应用

非线性信号处理与特征提取是时频信号处理领域中的热点问题。传统时频分析方法受限于海森伯格不确定原则,在分析该类信号时存在较为严重的能量发散问题,导致分辨率不佳,无法为非线性信号处理与特征提取提供精确的时频信息。为改善传统时频分析方法的能量聚集性,提升其时频分辨率,提出了一种高阶同步抽取变换算法,首先计算多个短时傅立叶变换...     

基于经验模式分解的汉字字体识别方法

提出了一种基于经验模式分解(empirical mode decomposition,简称EMD)的汉字字体识别方法.通过对大量汉字字体的研究比较,选取了能反映汉字字体基本特征的8种基本笔画.以这8种汉字笔画为模板,在汉字文档图像块中随机地抽取笔画信息,形成笔画特征序列.通过对笔画特征序列作EMD分解,提取每个笔画特征序列的高频能量,并结合汉字文档图像块的平均灰度,形成字体识别的一个9维特征.