应用希尔伯特黄变换的水下目标特征提取

针对传统时频分析方法的水下目标特征提取各有其局限,采用了希尔伯特黄变换方法用于水下目标特征提取.仿真与实验数据的处理结果表明,希尔伯特黄变换方法对于信号的时频特性具有较高的分辨能力,希尔伯特边际谱能够清晰的突出目标弹性成分;希尔伯特谱能有效地展现目标的亮点结构,时频分辨力高于小波变换.研究表明混响具有与目标信号明显不同的希尔伯特谱特征,希尔伯特谱可以有效抑制混响.结果表明希尔伯特黄变换方法是一种有效的水下目标特征提取方法.     

基于改进的希尔伯特-黄变换的心音信号特征分析

为了快速、准确地分析心音信号的特征,提出了一种基于改进希尔伯特-黄变换(HHT)的心音信号特征分析方法。通过对一个典型的振动信号进行经验模式分解(EMD),验证了该方法的有效性,同时针对两例标准心音进行希尔伯特谱分析并仿真得到心音信号的时-频谱及边际谱。结果表明,该分析方法能够很好地表征心音的时频变化特性,为后续实现心音的分类与识别提供了参考。     

基于希尔伯特-黄变换的信号处理方法

常用的信号处理方法对于非平稳信号处理效果不佳。1998年,N.E.Huang等研究出了一种新方法——希尔伯特黄变换(HHT)。这种方法要建立在经验模式分解(EMD)的基础上,通过分解获得信号的一种本征模函数(IMF),再根据本征模函数进行HHT。文中主要介绍了希尔伯特-黄变换方法的基本原理,并应用在铝电解阳极效应检测中。     

希尔伯特——黄变换及其在混凝土无损检测中的应用

希尔伯特—黄变换(HHT)是处理非线性、非平稳信号的时频分析方法。将希尔伯特—黄变换方法用于工程勘察的资料处理与解释。HHT对非线性、非平稳信号的处理的基本步骤为:首先对工程勘察的资料进行多分辨经验模态分解和瞬时频率的求解,随后获得信号的时频谱,再利用提取的瞬时振幅、瞬时频率、瞬时相位信息来分析地下目标物(比如在混凝土损伤与地下溶洞等情况)。以三峡工程混凝土质量缺陷物探快速无损检测现场1∶1模型为例探讨了HHT方法的有效性。     

基于变分模态分解和希尔伯特变换的转子非平稳信号故障特征识别

为了提升传统希尔伯特黄变换在处理复杂非平稳信号时的时频分析能力,本文将变分模态分解和希尔伯特变换进行结合,提出了一种时频分析方法变分模态分解和希尔伯特变换。此外,为了对变分模态分解的模态数进行自动调整,还提出了一种基于相关系数的希尔伯特黄变换参数优化方法,有效避免了由于希尔伯特黄变换模态数设置不合理而导致的信号分解不足和分解过剩的问题。利用转子故障信号对变分模态分解和希尔伯特变换方法的时频分析能力进行了验证,并且与传统希尔伯特黄变换的对比突出了该方法在处理非平稳信号中的优势。     

希尔伯特-黄变换高压直流输电线路行波保护

利用希尔伯特-黄变换法(HHT变换)对高压直流输电线路故障暂态电压信号进行了分析处理.根据线路暂态电压信号的Hilbert能量值的大小来判断是否发生故障。     

基于改进EMD算法的跳频信号参数估计

针对短时傅立叶变换时频分辨率不能同时很高,小波变换运算时间偏长,抗噪性差,Wigner-Ville变换及其改进方法受交叉项影响等问题,提出了一种基于希尔伯特-黄(HHT,Hilbert-Huang Transformation)算法的跳频信号参数估计.该方法的分解是自适应的,计算出的瞬时频率有很高的时间分辨率和较高频率分辨率.对于HHT算法中出现的虚假分量和端点效应问题,通过互相关方法来消除虚假分量,镜像闭合延拓方法去除端点效应.仿真结果表明该方法能很好解决上述两个问题.     

基于HHT的电力系统谐波分析

鉴于现有电力系统谐波检测与分析方法的不足,用希尔伯特-黄变换(HHT)进行谐波分析.该方法由两部分组成.首先对谐波信号作经验模态(EMD)分解,得到满足一定条件的固有模态信号(IMF),然后用希尔伯特变换求其瞬时频率和瞬时幅值.该方法适用于非线性非平稳信号的分析,具有概念清晰、计算简单的优点.仿真研究表明,用HHT方法进行电力系统谐波分析是可行的,与傅立叶变换和小波变换等现有方法比较,有很多独特的优点.     

基于可闻声信号的配电变压器内部放电故障识别方法研究

提出了基于可闻声信号的配电变压器放电故障识别方法.首先,采用希尔伯特-黄变换(HHT)对放电声信号进行处理,提取频带能量作为特征量.然后,利用单分类方法支持向量数据描述(SVDD)对特征量进行识别.通过现场实测配电变压器本体声信号和实验室模拟配电变压器内部放电故障对该方法进行了验证,结果表明该方法能够较好地识别配电变压器内部放电故障.     

基于改进HHT的微弱故障信号特征提取方法

针对微弱故障信号故障特征难以提取的问题,提出一种基于改进希尔伯特-黄变换的故障特征提取方法。该方法首先采用平均总体经验模态分解将故障信号分解成一系列固有模态函数,再选取对故障特征敏感的固有模态函数进行希尔伯特谱和边际谱分析,从中提取故障特征。仿真和实际试验证明:希尔伯特谱和边际谱能够清晰呈现故障信号时域和频域内的细微特性,为微弱故障信号的特征提取提供了一种切实可行的方法。     

动平衡信号的时频分析方法研究

针对动平衡信号面向去重平衡机应用时存在的非线性、非平稳性以及实时性,本文在分析硬支撑动平衡理论的基础上,以联合时频分析方法对标准工件进行加重获得的动平衡信号为研究对象,分别用短时傅立叶变换(STFT)、Wigner-Ville分布(WVD)、小波变换和Hilbert-Huang变换(HHT)对动平衡信号进行时频分析。仿真结果表明,STFT是基于窗函数变换的分析方法,对信号局部分析能力不足且分析精度不高;WVD虽然具有好的时频聚集性,但对多分量信号存在交叉干扰项;小波变换局部分析能力强且分析精度高,但涉及小波基的选择,对非平稳信号不具有实时性;HHT可根据信号的局部时变特征对其进行自适应分解,最终给出信号的时频谱和幅值谱,能够准确描述动平衡信号的特征,具有很高的时频分辨率和时频聚集性。     

基于HHT的仿真模型动态一致性方差分析方法

仿真模型动态数据常具有非线性和非平稳性,如何有效提取动态数据的验证指标和利用动态数据指导模型修改是仿真模型动态验证需要解决的重要问题。该文提出了基于希尔伯特-黄变换(HHT)仿真模型动态一致性方差分析方法,将HHT得到的动态数据时-频分布作为验证特征,建立了基于方差分析的仿真动态一致性检验模型,实现了仿真模型的定量动态验证,解决了差异源的定位问题,为提高模型可信性提供了指导。仿真和实例应用表明,该方法能较为精确地检验动态数据的一致性和实现误差定位,具有一定的可行性和实用性。     

HHT变换在地球物理中的应用现状及前景

时频分析的研究得到快速发展,推出了多达十余种时频变换方法,其中,HHT（Hilbert-HuangTransform）分析是最为瞩目和引人注意的,其分析非平稳信号的优越性已被广泛证实,并被成功地应用于多个领域,取得很好的效果。本文在简要介绍HHT原理与算法的基础上,综述HHT变换在地球物理中的应用现状及存在的主要问题。     

小波变换在地震信号噪声处理中的应用

常规小波域阈值去噪方法未能充分利用地震信号相关性的特点进行去噪，只能去除地震信号中部分随机噪声，为此提出了一种小波域分时分频相关结合阈值去噪处理方法。该方法首先对小波变换后多个尺度上小波系数进行分时分频相关去噪处理，然后对处理后小波系数进行重构，并可去除大部分不相关随机噪声。对重构后地震信号再进行常规小波域阈值去噪处理以进一步去除噪声。模型测试和实际资料处理效果表明：使用该方法可以有效地改进地震信号去噪处理效果。     

Hilbert-Huang变换在结构健康诊断中的应用研究

通过一个足尺的2层木结构房屋振动台试验,对Hilbert-Huang变换(HHT)在结构损伤诊断中的应用进行了研究与分析。在简要介绍了Hilbert-Huang变换的基本原理与方法后,根据在振动台试验中获取的结构反应数据,利用Hilbert-Huang变换对结构的动力特性及损伤状况进行了诊断。分析结果表明,Hilbert-Huang变换能有效地将隐含在实测结构反应信号中的结构动力特性与损伤信息进行提取,从而能对结构的健康状况进行诊断。     

小波变换在地质雷达干扰波压制中的应用

小波变换方法是近年来发展起来的一种新的数学方法,具有强大的时频分析能力,并广泛地应用到信号处理的各个领域。本文首先简要地介绍了小波变换原理及去噪方法,然后通过阻尼震荡信号、一维地质雷达合成记录和二维地质雷达合成剖面等模型,用db4小波进行了三阶分解,然后根据干扰波的特征进行了小波去噪和干扰波压制,结果表明,小波多尺度分解后,随机噪声主要集中在较低阶的小波细节之中,用小波变换去噪方法,可有效去噪和压制干扰波。对实测的地质雷达资料也进行了处理,取得了较好效果。     

Hilbert-Huang变换应用中的预处理方法研究

为提高Hilbert-Huang变换（HHT）中瞬时频率计算的真实性和稳定性，提出了一种信号的预处理方法.该方法首先对信号作傅里叶变换，然后根据插值点数作补零处理，再进行傅里叶反变换，完成傅里叶插值功能.对傅里叶插值处理后的信号作经验模态分解（EMD）得到一组固有模态函数（IMF），计算所有IMF的瞬时频率和幅值，最终获得信号时频分布的Hilbert谱.结果表明，该傅里叶插值的预处理方法能够有效消除和抑制HHT分析中的瞬时频率波动和虚假成分产生，增强了瞬时频率的准确性，提高了HHT方法的信号分析频率，该方法能有效应用于实际信号处理的HHT时频分析中.     

小波分析在低应变检测数据处理中的应用

在低应变检测采集的数据中,会受到各种噪声的干扰。利用小波变换的时频局部化能力,对实测信号进行降噪处理,可保留信号的突变特征,抑制噪声信号。在实际应用中证明小波分析对低应变检测信号的降噪是一种比较好的数据处理方法。     

HHT方法在轴承故障诊断中的应用

为研究滚动轴承故障问题,将HHT（Hilbert-Huang transform）分析方法应用于轴承信号故障的提取。用HHT对复合信号进行了仿真分析,表明此方法分析信号的有效性。将HHT方法应用于轴承内外圈的故障诊断,结果表明,所求出的轴承故障的信息特征与理论计算吻合,表明了HHT方法能够有效的提取轴承故障的特征信息,提高轴承故障诊断率。这为类似机械零部件的故障诊断提供了参考。