基于正交误差函数的振动信号瞬时频率计算

瞬时频率计算是振动信号处理中的重要内容,而希尔伯特变换是计算信号瞬时频率最常用的方法,若信号的希尔伯特变换与其正交信号不相等,会导致信号瞬时频率计算不准确。文章推导了2组正交误差函数估计公式,提出了通过补偿正交误差函数以获得更为准确的正交信号,从而提升瞬时频率估计精度的方法,并利用数值分析验证了方法的有效性。     

镜像延拓EMD方法的改进及其应用

希尔伯特黄(Hilbert-Huang)变换是一种自调节信号分解方法,通常该方法包括两部分:经验模式分解(Empirical Mode Decomposition,EMD)和希尔伯特变换。由于希尔伯特黄变换理论并不成熟,尤其是该方法存在的“端点效应”问题,使其在某些场合应用误差较大。为了解决端点效应问题,本文首先从阐述了Hilbert-Huang变换的基本理论、算法、存在的问题及常见的解决方法入手,针对镜像闭合延拓EMD处理端点效应问题时的不足,提出了一种新的镜像延拓EMD方法。最后利用仿真信号验证了该方法的有效性,取得了较好的结果。     

抑制EMD端点效应方法的研究

基于经验模态分解的Hilbert-Huang变换在分解过程中产生端点效应,使得信号两端点附近出现失真问题,提出对端点效应进行抑制的多种方法. 对全局统计平均法、平行线段延拓极值法、多项式拟合法、镜像延拓法、神经网络延拓法等抑制方法进行对比研究. 仿真和实验结果表明,端点效应得到有效抑制,Hilbert-Huang变换的分析性能得到改善.     

基于掩膜信号法的端点延拓方法

提出了一种基于掩膜信号法的端点延拓新方法,可以有效地解决产生于希尔伯特-黄变换中的端点效应;对信号进行外延后进行EMD,然后利用掩膜信号对IMF分量进行延拓后再进行希尔伯特变换;仿真实验证实了该方法的有效性.     

基于Teager能量算子和小波变换的语音识别特征参数

基于Teager能量算子在抑制噪声和小波变换时多分辨特性,用Teager能量算子结合二进小波变换得到一种新的语音识别系统中的前端输出特征参数.该参数的一部分来源于Teager能量算子与传统的倒谱分析相结合产生的参数TEOCEP;另一部分基于小波而得到的小波能量矢量参数DWE,最后提出了TEOCEP-DWE特征参数.对新的语音特征参数进行实验分析表明,本算法能提高语音识别的性能.     

基于Teager能量算子和频率弯折小波变换的语音识别特征参数

基于Teager能量算子(TEO)的抑制噪声性、小波变换的多分辨特性以及具有频率弯折效应的Laguerre序列,提出一种新的语音识别特征参数提取算法.该参数一部分来源于TEO与传统的倒谱分析,它们相结合产生的参数称之为TEOCEP;另一部分基于频率弯折小波得到的频率弯折小波能量(FWWE)矢量参数,由此提出了TEOCEP-FWWE特征参数.对新的语言特征参数实验评估表明,该算法提高了语音识别的性能,具有较强的鲁棒性.     

混沌信号的人因分量特征分析

该文基于希尔伯特-黄变换(Hilbert-Huang transform,HHT)方法和Teager能量算子,提出了一种混沌信号中人因分量的特征分析方法。利用HHT得到混沌信号的Hilbert谱,再对Hilbert谱提取Teager能量并计算其边际谱,从而获得Hilbert边际Teager能量谱。通过分析边际Teager能量谱获得混沌信号中人因分量的特征频率,由该特征频率通过HHT反向求解人因分量的幅值时间曲线。分析结果表明,边际Teager能量谱对实验获得的混沌信号中的人因分量具有良好的辨识效果。表面肌电实验结果证明,该文方法获得的人因分量幅值时间曲线与实际肌肉状态相符,所提方法对连续冲击下的人体生物力学研究有重要意义。     

基于希尔伯特变换的改进地震信号谱重排

谱重排最早被称为改进的滑动时窗法,用来提高常规的时频谱分析的分辨率,其基本原理是将原时频谱中每一点的能量进行聚焦重排。由于该算法仅对信号在频率域进行重排,致使其重排过程是不可逆的。为了优化时频重排算法,将原始的谱重排算法与希尔伯特变换相结合,通过对信号求取导数并使用加窗傅里叶变换对理论信号进行再处理得到改进后的处理结果。结果表明,基于希尔伯特变换的改进谱重排算法不仅兼顾了时频谱重排和加窗傅里叶变换的优势,提高了对信号时频变换的分辨率,而且在地震勘探领域具有广泛的应用前景。     

VMD的时频特性及其在滚动轴承故障诊断中的应用

针对在强噪声干扰下的滚动轴承早期故障振动信号信噪比低导致故障特征提取困难的问题,提出了基于变分模态分解和Teager能量算子包络解调的滚动轴承故障诊断方法.该方法首先利用VMD算法对故障信号进行分解成若干不同频率的本征模态分量(Intrinsic Mode Function,IMF);通过峭度准则筛选出峭度值最大的IMF,将其作为故障特征最敏感分量;利用Teager能量算子解调算法对该分量进行包络解调分析,提取调制故障特征.将该方法应用到仿真信号和滚动轴承故障振动信号分析当中,同时与EMD、小波变换方法进行了比较.结果表明,该方法提高了信号的分解效率,在噪声鲁棒性和抑制模态混叠方面具有良好的性能,能够实现滚动轴承故障的精确诊断,具有一定的理论研究意义和工程实用价值.     

基于局部多项式回归的EMD端点效应抑制

Hilbert-Huang变换(Hilbert-Huang transform,HHT)这种完全由数据驱动的自适应时频数据分析算法已经在多个领域得到了广泛推广和应用.但是HHT的核心部分经验模态分解(empirical mode decomposition,EMD)被端点效应问题所困扰.这里结合局部多项式回归,利用局部少量数据在极值序列两端各拓展一个极值点,从而抑制EMD的端点效应.模拟实验结果表明,该算法能够有效抑制端点效应,且数据要求不高,运行速度较快.     

基于HHT的高压直流输电故障测距算法的研究与仿真

本文介绍了用希尔伯特黄变换(HHT)对直流输电线路进行故障测距的方法。首先对测得的故障电流行波信号进行经验模态分解(EMD)得到一系列对应固有模态函数(IMF),对IMF进行希尔伯特(Hilbert)变换得到其时频图。根据时频图中的频率突变点得出故障行波到达两侧测量点的时间,并且根据其对应时刻的瞬时频率和具体线路的参数计算出其波速度。用改进的双端测距理论对直流线路进行测距。并对测得误差总体趋势和误差因子进行详细分析。相关仿真分析用EMTDC环境进行,仿真结果证实了所提方法的有效性。     

基于希尔伯特-黄变换的高压直流输电故障测距算法的仿真研究

介绍了用希尔伯特-黄变换(HHT)对直流输电线路进行故障测距的方法。首先对测得的故障电流行波信号进行经验模态分解(EMD),得到一系列对应固有模态函数(IMF);对IMF进行希尔伯特(Hilbert)变换得到其时频图。根据时频图中的频率突变点得出故障行波到达两侧测量点的时间;并且根据其对应时刻的瞬时频率和具体线路的参数计算出其波速度。用改进的双端测距理论对直流线路进行测距;并对测得误差总体趋势和误差因子进行详细分析。相关仿真分析用EMTDC环境进行,仿真结果证实了所提方法的有效性。     

双H型石英音叉陀螺驱动信号频率跟踪算法的研究

为提高双H型石英音叉陀螺驱动信号的稳定性,基于DSP设计了一种数字化闭环控制电路,依据双H型石英音叉陀螺在串联谐振频率点处工作时驱动叉指振动的幅度随频率变化的影响最小,通过相位控制实现了驱动信号频率的跟踪,并利用希尔伯特变换产生了一对正交的参考信号用作相位检测.实验结果表明,双H型石英音叉陀螺工作稳定后,驱动信号频率跟踪算法的相位标准差为4mrad,精度达到0.003 4Hz.     

基于最大相关波形延拓改进的EEMD方法

针对经验模态分解(empirical mode decomposition,EMD)中出现的端点效应和模态混叠现象问题,提出了利用最大相关波形延拓改进聚合经验模态分解(ensemble empirical mode decomposition,EEMD)方法.利用最大相关波形法对原始信号的两端进行延拓,实现延拓数据在原信号边界处的平滑过渡,减小端点处包络线的拟合误差.针对EEMD中参数无法自动获取的问题,采用自适应EEMD对新信号进行分解,提高信号的分解精度.通过仿真分析和转子不平衡故障诊断实例研究表明,改进的EEMD方法不仅能够明显减少虚假模态分量、有效抑制模态混叠现象,而且较好地改善了端点效应引起的分解失真问题.同时与基于极值点对称延拓改进方法及基于镜像延拓改进方法相比,所提方法具有较高的分解精度.     

基于能量分离算法的多分量线性调频信号频率估计

对基于能量算子的能量分离算法进行了改进,提高了该方法用于多分量线性调频信号瞬时频率估值的抗噪性.采用平滑样条插值的方法对离散信号进行插值,然后再对其应用连续信号的能量分离算法.仿真表明,改进后的算法在噪声环境下,比直接利用对应离散信号的分离算法估值更准确,当信噪比从5 dB以5 dB为步进,增大至30 dB时,平均估计误差约减小10%.     

基于经验模态分解的HHT变换解析洪水频域特性

依据经验模态分解的希尔伯特黄变换方法,解析洪水过程的频域特性.以武江流域为研究对象,选取6场洪水过程进行分析.结果表明6场洪水在整个洪水过程中,洪水时间序列的能量主要集中在0.1 Hz以内.洪水时间序列具有多能量组分的特点.EMD分解出的分量具有较清晰的物理意义和自适应性;由于采用三次样条插值来获得信号的瞬时平均值,导致Hilbert-Huang变换得到的结果会出现端点飞翼现象.     

傅立叶变换性质在瞬时频率构造中的应用

利用傅立叶变换的性质研究信号希尔伯特变换的频谱特征。在频域内一个因果信号的频谱实部与虚部互为变换。一个信号和它的变换式能构成一个解析信号,解析信号的实部就是原信号,其虚部是原信号的希尔伯特变换;解析信号的傅立叶频谱只有正频率部分,正好是原信号正频率部分的二倍,并且该解析信号的幅值和相位就表征了原信号的幅值包络和瞬时频率变化特征,这样就使瞬时频率瞬时幅值有了明确的物理意义,对研究非线性非稳态信号有非常重要的价值。     

一种消除局域波法中边界效应的新方法

局域波法能在时频图上正确地描述平衡非线性信号的局部特征，但由于信号边界的不确定性，现有的边界处理方法都不能有效地消除边界效应，造成时频图内两边端点附近信号的能量扩散，因此精确估计边界值是局域波法的关键问题，采用边界波形匹配的方法预测边界值，无论边界点是极值点或非极值点，都能有效地消除边界效应。     

一种改善EMD端点效应的可行方法

EMD方法自1998年推出以来已经成功地应用在许多非线性研究领域,但是,在应用EMD方法时有一个非常棘手的问题即端点效应问题。本文基于不必破坏信号本身端部特征的原则,提出了一种对信号端点极值进行合理预测的方法,在信号的端点分别添加两个极值点进行极值延拓。通过仿真实验分析,此方法对于处理较短数据序列,能够有效地抑制端点效应。     

基于局域均值分解的轧制力响应频率提取

在轧制生产过程中,轧制力信号是用于轧件厚度控制的基本信号,该信号包含有大量其他信息,这些信息主要通过频率和幅值表示,其中频率信息也反映了轧机在轧制力传感器安装点处的综合响应。采用局域均值分解(LMD)时频分析的方法,先将频率信息的实测信号进行LMD分解,再利用希尔伯特变换求取各个乘积函数(PF)分量的瞬时频率,最后通过对多组轧制力传感器实测数据的求解得到该综合响应中各频率的大小。利用这一方法,对某厂1700mm五机架冷连轧四辊轧机第一机架的多卷轧制力传感器数据的频率信息进行提取,得到其响应的基频为8.5Hz,三倍频为25.5Hz。