基于小波变换的声波信号包络提取

包络提取是声场层析成像的关键,考虑到希尔伯特变换法在提取声包络信号中毛刺多等缺点,提出了一种小波变换法来提高包络提取的精度.计算机仿真结果表明,用该方法提取包络的效果比希尔伯特变换方法效果好.     

小波分析在信号包络提取中的应用

包络分析是机械测试和故障诊断领域的常用方法 ,本文利用小波的频带分离特性和噪声的小波变换特性 ,将希尔伯特变换和小波分析结合起来 ,提高了提取信号包络信息的精度 ,并通过实例说明了这种方法的有效性     

线性自适应小波理论的齿轮箱故障诊断方法

针对早期齿轮箱故障信息淹没在背景组分中的问题,提出了基于线性自适应小波理论的齿轮箱故障诊断方法.该方法基于希尔伯特变换(HT)和自适应小波变换(AWT),能从低频的调制振动信号中区分并识别不同程度的裂纹故障.首先用希尔伯特变换提取调制振动信号的包络值以显示调制频率.然后利用自适应小波变换来处理由希尔伯特变换得到的调制信号,其中在自适应小波处理希尔伯特变换后的调制信号的过程中利用粒子群算法(PSO)对过程参数进行优化.实验结果表明该自适应小波变换能通过过程优化小波找到匹配振动信号的啮合频率及其谐波、耦合频率、载波频率及其边频带,能够从调制信号中提取出特征参数,且具有较高的分辨率.     

Hilbert变换与小波变换在探地雷达资料处理中的应用

希尔伯特（Hilbert）变换与小波变换是广泛运用于数字信号处理中的基本重要变换,希尔伯特变换能有效提取复杂信号中的＂三瞬属性＂,即瞬时振幅、瞬时相位、瞬时频率,基于小波多尺度分析可以进行信号奇异性检测。本文尝试将希尔伯特变换与小波变换配合使用,在瞬时相位的基础上进行小波分析,将此处理方法应用于探地雷达数据处理中,并给出了相应的处理实例,应用效果令人满意。     

再制造对象磁记忆信号的特征提取方法

针对在工程实践中对再制造对象进行金属磁记忆检测时容易受环境磁场干扰的情况,给出一种利用小波分析和希尔伯特变换进行磁记忆信号去噪和特征提取的方法.利用金属磁记忆检测仪采集一铁磁性试件的磁记忆信号,对其中受环境磁场干扰的信号进行小波阈值去噪处理,并对去噪后的信号采用希尔伯特变换提取信号包络,最后通过求取梯度获得信号特征.试验结果表明：利用小波阈值方法进行磁记忆信号去噪效果明显,对磁记忆信号利用希尔伯特变换可以获得信号的包络,从而有效地提取信号特征.     

基于包络提取的TOA估计算法

针对超宽带无线传感器网络中噪声影响定位精度的问题,提出了一种基于包络提取的到达时间(time of arrival, TOA)估计算法。该算法首先利用小波变换的多分辨率分析有效地去除信号中的噪声成分,之后对去噪的信号进行希尔伯特变换提取其包络,最后选取第一个包络的最大值作为TOA的估计值。仿真结果表明,该算法抑制了噪声对TOA估计的影响,提高了估计精度。     

基于离散小波变换的水下回波信号尾波包络特征提取

提出一种水下目标回波的特征提取方法．该方法在离散小波变换的基础上。基于回波信号中的散射成分可以对水下底质进行分类的理论基础，提取水下回波信手尾波包络特征作为识别特征矢量，构成基于尾波包络特征的特征空间，再采用最佳鉴别矢量法将特征空间进行特征压缩，最后利用最小距离分类器对目标回波进行分类．实测数据结果表明，采用这种方法得到的包络特征是一种稳健、有效的特征，能够获得较高的正确识别率．     

数字包络的实现

采用Hilbert变换法提取信号的包络.Hilbert变换而得的解析信号实部为信号本身,虚部为其Hilbea变换,解析信号的幅值即为信号的包络.Hilbert法解调出的包络是对信号绝对值的包络,其解调幅值代表真实包络.     

信号包络在DSP系统中的实现

论述了采用Hilbert变换的方法提取信号包络的方法,对Hilbert变换进行了理论分析,并推导出在DSP(数字信号处理器)系统中实现的算法,通过MATLAB进行的仿真,结果表明达到了较好的效果。该方法可以替代硬件包络电路,具有很强的实际应用价值。     

希尔伯特变换解调软件的设计

本文介绍利用希尔伯特变换原理设计信号解调软件.分析比较了实现离散希尔伯特变换的方法,提出了相位解调运算中相位补偿方法。该软件以各种计算机模拟调制信号为例进行分析,取得满意效果。     

基于复解析小波变换的信号包络检测

水声信号中的低频线谱成分是目标声信号的一个重要特征量,在水声信号检测、识别和分类中起着重要的作用。为了提取水声信号中的线谱成分,本文利用复解析小波变换兼具带通滤波和包络提取的特性提取信号包络。仿真和实测数据分析表明,与传统的Hilbert变换提取信号包络算法相比较,基于复解析小波变换的信号包络提取算法可以完全抑制所分析通带以外的噪声,从而提高了信号包络的信噪比。     

基于Hilbert-Huang变换理论的语音增强初探

希尔伯特-黄变换是新发展起来强有力的非线性、非稳态信号处理方法．它从信号自身出发自适应地产生具有物理意义的基函数,而不是人为地设定变换的基函数．该文将这一全新的方法应用到语音信号处理．希尔伯特-黄变换基于信号的局部特征时间尺度,能把复杂的信号分解为有限的内在模态函数之和,这种自适应的分解方法非常适于非线性和非平稳过程的分析．实验表明,希尔伯特-黄变换适于语音信号处理,有广阔地应用前景．结合小波变换的分析表明,该方法在语音去噪方面优于小波变换．     

希尔伯特变换原理在扭转振动分析中应用的理论研究

希尔伯特变换（ＴｈｅＨｉｌｂｅｒｔＴｒａｎｓｆｏｒｍ）可将一个一维时域函数（广义上可以是任意域的）转换为唯一对应的一个二维时域解析函数．在一定条件下,这个解析函数的模和相角就代表了原时间函数的包络特性及相位特性,即实现了对信号的幅值和相位解调．当回转系统产生扭转振动或瞬时回转振荡时,所检测到的振动信号和回转编码脉冲会产生幅、相调制．利用希尔伯特变换技术对其进行解调,就能准确地分离出扭振及瞬时振荡的全过程．     

基于HHT的磨床磨削颤振特征量提取方法

针对数控磨床磨削加工过程中的颤振现象,提出一种基于希尔伯特黄变换的磨削颤振特征量提取方法。采用经验模式分解,将信号分解成具有不同特征时间尺度的固有模态函数分量,筛选合适的分量,提取其颤振特征量实时方差和瞬时能量,并将其作为判断磨削发生颤振的依据。模拟仿真结果表明：基于希尔伯特一黄变换提取的磨削颤振特征量,可以作为颤振发生的判断依据。     

希尔伯特变换在信息处理中的应用

阐述了希尔伯特变换及其在信息处理中的应用，提出了希尔伯特变换的新的应用领域－实现图象边缘增强。     

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.     

矿用通风机滚动轴承振动故障诊断研究

针对矿用通风机振动故障诊断中的特征提取问题,将小波包和希尔伯特变换相结合用于通风机滚动轴承的故障诊断,工程应用实例表明,通过该方法能有效提取出通风机滚动轴承内圈故障特征频率,诊断出滚动轴承的内圈故障,另外还可诊断出通风机存在轴系不对中故障,实现了通风机的精密故障诊断．     

基于Hilbert包络谱和SVM的齿轮故障诊断

针对齿轮振动信号非平稳性和故障特征难以提取的问题,提出一种基于希尔伯特(Hilbert)包络谱和支持向量机(SVM)相结合的故障诊断方法。首先,采用基于镜像延拓的改进经验模态分解(EMD)方法,将齿轮振动信号分解成一系列含有信号特征的固有模态函数(IMF);其次,根据正交性原理,选取包含信号主要信息的模态分量进行希尔伯特变换并求出包络谱;最后,将包络谱所求出的特征幅值比作为支持向量机分类器的输入来识别齿轮的工作状态。试验结果表明,该方法能有效地识别和诊断出齿轮的工作状态,可应用于该类问题的故障诊断研究。     

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。     

基于离散小波变换的水下回波信号尾波包络特征提取

提出一种水下目标回波的特征提取方法.该方法在离散小波变换的基础上,基于回波信号中的散射成分可以对水下底质进行分类的理论基础,提取水下回波信号尾波包络特征作为识别特征矢量,构成基于尾波包络特征的特征空间,再采用最佳鉴别矢量法将特征空间进行特征压缩,最后利用最小距离分类器对目标回波进行分类.实测数据结果表明,采用这种方法得到的包络特征是一种稳健、有效的特征,能够获得较高的正确识别率.