基于希尔伯特-黄变换的OTDR事件定位

希尔伯特-黄变换(HHT)适用于信号奇异性分析.将光时域反射仪(OTDR)信号进行经验模式分解(EMD),得到本征模式函数(IMF),针对低阶的IMF分量分别进行Hilbert变换,做出时间-幅度谱和时间-频率谱,选取时间-幅度谱,采用模极大值法,确定OTDR事件发生的位置.     

基于HHT的声频传感器车辆分类识别

针对传统语音信号识别过程中出现的识别率较低或者是计算时间复杂度高的问题,提出了基于希尔伯特黄变换(HHT)的快速声频传感器车辆识别方法.该方法将HHT算法和语音信号特征提取中常用的梅尔倒谱系数(MFCC)相结合,形成一种新的特征提取方法.实验中,将这种方法分别与K-近邻算法(K-NN)、支持向量机算法(SVM)和稀疏表示分类算法(SRC)配合进行语音信号识别,结果表明,该特征提取方法与K-NN分类算法配合,在识别率和算法运行效率方面具有明显的优势.     

基于二维经验模态分解的三维面形测量

采用结构光投影的三维面形测量,为了得到包含待 测物体高度信息的基频成分,变形条纹图中通常含有随机噪声和背景信息需要去除。提出一 种基于二维经验模态分解(2D-EMD)的三维面形测量方法。2D-EMD用于去除低频背景分量 并抑制噪声影响,再结合二维希尔伯特变换提取三维面形的相位信息,最后根据相位与高度 的映射关系得到被测物体的三维形貌。2D-EMD采用完全的二维分析方法,考虑了条纹图行 与行之间的相关性,能有效提取任意方向条 纹图中的调制相位。由于不需要像聚合EMD(EEMD)反复添加噪声再分解的去噪过程,缩短了 数据的处理时间。计算机仿真结果表明,与傅里叶变换轮廓术(FTP)相比,较大陡跳误差从 －40mm降到了－1～1mm。实验结果也证明了 本文方法的有效性。     

基于SSVEP的脑控小车系统的研究

文中设计了一种基于SSVEP的脑控小车分级速度和方向控制的系统,存在向左、向右、向后、向前(一级、二级、三级)6个脑控命令。在刺激范式、刺激时间、空间布局三方面进行了优化,实验表明扩大刺激目标间距、加强刺激时间能够提高目标识别准确率。在脑电解码方面,采用HHT(Hibert-Huang Transform)和CCA(Canonical Correlation Analysis)对比方式,10名被试参与此次研究,结果表明HHT解码方式比CCA在准确度方面提高了6.59%;在特征分类方面,采用支持向量机(Support vector machine,SVM)形式。该方向和分级速度控制系统实现了小车在速度和方向上的灵活控制,优化方法提高脑了控小车的准确度与实时性。实验结果显示在选取范式3,刺激时间3s的条件下,10名被试平均识别准确率高达92.50%。文中理论可望为脑控设备走出实验室打下坚实基础。     

基于希尔伯特-黄变换的多项式相位信号检测

本文运用适合非线性非平稳信号分析的希尔伯特-黄变换,通过对含噪多项式相位信号进行经验模式分解和Hilbert谱分析,采用曲线拟合和最小二乘迭代方法,准确地估计出单一幅度恒定的多项式相位信号,从而提出了一个适合非线性非平稳信号的检测方法.仿真结果表明该方法在信噪比>10dB情况下能够准确有效地检测出非平稳信号,与基于Wigner-Ville分布的信号检测方法相比,具有更好的准确性和有效性.     

基于HHT的信号奇异性分析

希尔伯特一黄变换从信号自身出发,自适应地把复杂的信号分解为有限个本征模式函数之和,是一种非线性、非稳态信号的处理方法.利用这一方法进行事件点的奇异性分析,实验表明,希尔伯特一黄变换能描述信号的局部特征,准确地定位事件点.因此,该方法适于信号的奇异性分析,对事件点的定位效果良好.     

超声散射CT信号的特征提取

超声检测技术中,缺陷的定性分类这一技术难题至今尚未得以彻底解决。研究了希尔伯特-黄变换(HHT)和小波包变换(WPT)在超声散射CT特征提取中的应用。以荷兰试块作为测试对象,针对3个不同的检测面,采用HHT和WPT提取能量特征,采用基于距离的类别可分性判据对特征提取结果进行评价,起了定量衡量尺度的作用。实验结果表明:对于本实验中信号频率比较单一的超声散射CT信号,WPT提取的能量特征比HHT提取的能量特征更为有效。     

基于希尔波特-黄变换的冲击无线电信号检测

冲击无线电信号具有低截获、瞬态特性。本文提出采用希尔波特-黄变换(HHT)方法从干扰和噪声中提取微弱的冲击无线电信号。通过HHT可以得到冲击无线电信号的时频谱,并与传统的小波时频谱和Wigner-Ville分布进行了比较。仿真表明：在信噪比低达-10dB的情况下进行冲击无线电信号检测,HHT方法优于传统的小波分析和Wigner-Ville分布。     

基于HHT的UWB信号抗窄带干扰的研究

研究了希尔伯特黄变换的信号抗窄带干扰法．并用仿真实验证明该方法能够有效地从单音干扰、线性调频干扰和高斯白噪声中恢复出超宽带信号。     

基于马尔科夫和HHT的图像拼接盲检测

基于对图像拼接技术的分析,提出了一种基于马尔科夫模型与Hilbert-Huang变换（HHT）的图像拼接盲检测算法。该算法计算图像DCT域上的马尔科夫转移概率矩阵,同时对图像进行Hilbert-Huang分析,得到两类特征值集,并通过计算相关系数矩阵分析了两者之间的相关性,最后使用支持向量机进行训练与分类。实验结果表明,相对于已有文献,该算法具有较高的检测准确率。     

基于HHT变换的时频分析法及其在2FSK系统解调中的应用

该文用一种非平稳信号时频分析方法(HHT变换)。该方法立足于信号本身特征,着重分析信号的瞬时频率分布,实现2FSK系统的解调。通过与传统解调方法的比较,论述了该方法在2FSK信号解调中的合理性和可行性。仿真结果给出了该方法在解调过程中的抗噪声性能,表明了该方法的有效性。     

基于HHT时频图的时延估计方法

时延估计方法主要有广义相关法、相位数据法以及自适应时延估计法等。对于水中爆炸冲击波这种瞬态、非平稳信号的时延估计,常用的时延估计方法存在一定的误差。针对爆炸冲击信号的特征,利用HHT变换在处理非平稳信号的优势,提出了一种基于希尔伯特黄时频图的时延估计方法。该方法首先将信号进行EMD分解,然后得出爆炸信号的时频图,最后根据时频图中能量最大的频率所对应的时间得出时延估计。仿真实验表明,该方法能够有效、精确地对爆炸冲击信号进行时延估计。     

一种基于最弱前置条件的软件错误定位算法

错误定位是软件调试中非常耗时费力的活动之一,自动错误定位技术可以有效地提高调试效率,降低调试成本.基于最弱前置条件的错误定位技术,首先计算出程序需要满足的最弱前置条件,并为其构造错误分析图;然后在错误分析图上依照失败测试用例进行初始化标记;最后限定分析图的输入和输出,自顶向下再次对其进行标记,找到冲突的结点,从而进行错误定位.实验结果表明,相对于其它方法,文中提出的方法能有效地提高程序错误定位的效率,使得调试人员只需检查更少的语句即可找到出错的位置.     

基于最小方差无偏估计的目标定位算法研究

广义互相关时延估计方法（GCC）由于具有计算简单和易于实现的特点,因此在实际的被动声源定位系统中得到了广泛应用。随后出现了不同加权函数的GCC定位算法,但是在不同环境中各个加权函数的选择不同,时延估计误差不同。提出了基于最小方差无偏估计（MVU）的时延估计算法,对多种加权函数下的时延估计建立数学模型,然后用最小方差估计出最优的时延估计值。仿真实验表明,这种方法使估计精度明显提高。     

基于传声器网络的多机器人协作定位研究

进行了传声器网络在机器群系统定位应用方面的研究。将传声器阵列、声信标与机器人平台的无线网络组合构建传声器网络,指定系统内某个体坐标系为全局坐标系并通过TDOA（Time Difference Of Arrival）声定位,将测得的数据进行坐标系转换,完成系统定位及初始位置姿态调整,实现了在二维空间未知环境中对机器人平台的协作定位。通过实验验证该方法不需要外围设备,简单易行,特定声信号环境适应性较好,定位距离较远,具有十分重要的实用意义。     

基于单目相机与里程计的室内机器人定位研究

昂贵的定位传感器限制了室内服务机器人相关技术在实际生活中的发展.室内服务机器人定位技术的发展趋势之一是使用价格低廉的传感器.因此,基于单目相机与轮式里程计两种价格低廉的传感器,提出一种适用于室内动态环境的机器人定位解决方案.该方案将相机朝向天花板,以减少室内动态环境下信息多变带来的误差,改变特征匹配策略以提升重复纹理场...     

HHT在高频周期抖动分解中的研究

用希尔伯特-黄变换算法（HHT）对高频周期抖动的分解进行了研究。通过将小波阈值和FFT滤波相结合,去除随机成分和低频周期抖动后,对高频周期抖动进行经验模态分解（EMD）,将得到的各固有模态函数（IMF）分量经过HHT变换得到Hilbert谱。结合IMF时域图和HHT时频谱,能较准确地估算各抖动成分的频率和其他信号特性,弥补已有算法在研究高频周期抖动的不足,并首次提出分频段分解抖动的方法。将实际抖动数据的测量结果与本方法估算的结果比较可知,HHT算法分解抖动的精度较高。     

基于压电换能器的声发射源定位成像研究

针对金属板类结构件的声发射(AE)源定位精度低,定位过程复杂等问题,研究了一种基于时间反转聚焦的声发射源定位成像方法。该方法首先分析了时间反转(TR)和定位成像的原理,建立了由4个声发射传感器组成的板件监测模型,最后通过在铝合金板上进行了声发射源的定位实验研究。实验结果表明,该方法在不需要复杂信号处理的情况下能有效地实现铝合金板声发射源的定位和成像,并将误差控制在有效范围内。     

基于LS-SVMs机翼盒段壁板损伤辨识研究

针对大型的碳纤维复合材料机翼盒段壁板结构,研究采用光纤布喇格光栅测量结构应变场分布,提出采用最小二乘支持向量机(LS-SVMs)建立应变场-损伤非线性黑箱模型辨识结构损伤法,对典型的飞机碳纤维复合材料盒段壁板结构进行健康监测研究.针对大尺寸带有加强桁条和螺钉通孔的复杂结构盒段壁板试件,建立了7个点的布喇格光栅应变测量网络测量试件有代表性区域的应变场.通过施加280个不同的点载荷模拟损伤,建立应变场与损伤的非线性映射关系黑箱模型;采用LS-SVMs的黑箱模型辨识法对应变场进行有效辨识,准确地判别出280种结构损伤的位置和程度.     

基于GSI编码点的二维散斑测量技术研究

在摄影测量中,采用人工编码点可以有效提高测量精度.为了提高二维散斑测量的精度和效率,引入了一种有效的GSI(Geodetic Systems Incorporation)编码点.研究了GSI编码点对二维散斑测量精度和效率的影响,采用亚像素搜索和曲面拟合相结合的方法进行数据处理,并对结果进行了分析.实物实验中引入编码标志点,降低了测量误差,提高了计算效率.