希尔伯特时频谱特征提取方法

为了优化高频率分辨率的希尔伯特时频谱的表达效果,提出一种基于卷积运算思想的希尔伯特时频谱平稳化和自适应增强方法.首先,由希尔伯特黄变换得到高频率分辨率的时频谱和边际谱,通过设定时域和频域平稳因子及权重得到相应的核矩阵,并依照卷积运算的过程对时频谱进行平稳化;然后,将平稳化之后的边际谱值作为时频谱中相应瞬时频率处谱线的增强因子,对时频谱进行自适应增强;最后,用UrbanSound8K数据集提取时频谱图作为特征,利用深度卷积神经网络进行验证实验.仿真结果表明:本方法能够有效提高希尔伯特时频谱的总体表达效果,自适应地改变时频谱的表现形式.     

最大重叠离散小波包变换边际谱特征在齿轮故障诊断中的应用

针对齿轮故障振动信号多分量频带重叠引发的故障模式混淆问题,提出一种基于最大重叠离散小波包变换(MODWPT)边际谱特征和粒子群优化-支持向量机(PSO-SVM)的故障诊断方法。为了减少谐波及噪声对故障模式分量分离的干扰,首先利用MODWPT将采集到的实验信号进行5层分解,得到32个分量,通过频带能量占优方法,筛选出前16个分量,用来构造信号的希尔伯特边际谱;然后,将提取的边际谱特征代入PSO参数优化后的SVM,对故障类型进行识别。仿真信号分析结果表明,MODWPT边际谱在抗模式混叠、抗边界效应和频率提取准确性方面都要优于EMD方法。通过对6种不同类型的齿轮故障信号进行分析,MODWPT边际谱归一化特征具有明显的故障类型分层现象,对齿轮故障的识别准确率达到98%,说明该方法具有较强的故障诊断能力。     

城市轨道交通钢轨波浪形磨耗检测仿真研究

城市轨道交通钢轨波浪形磨耗会增加养护维修费用,降低乘车舒适度,引起噪声,甚至危及列车安全.为了检测钢轨波浪形磨耗,提出了一种基于运营车辆转向架加速度的钢轨波磨检测技术.利用SIMPACK多体动力学软件建立含有波磨病害的车辆-轨道模型,采集该状态下的车辆转向架加速度数据,应用经典的时频域分析、小波分析及希尔伯特黄变换分别对基于波磨病害的转向架加速度信号进行分析并提取出时频特征进行病害识别.仿真结果表明:利用连续小波分析提取的频域特性及经验模态分解(Empirical Mode Decomposition,EMD)得到的特征振动模态可用于波磨病害的检测和识别,从而验证了利用SIMPACK仿真模型进行钢轨波磨检测的可行性.     

基于希尔伯特-黄变换的小鼠脑电信号相关性分析

研究了小鼠脑电信号的分离问题。由于小鼠脑电信号是由多种不同波段的信号混迭而成的,且不同波段的信号是非平稳、能量差距很大的随机信号,因此对这些脑电信号的分离非常困难。先使用主成分分析(PCA)方法将信号的主要成分提取出来,然后再使用独立成分分析(ICA)在频域上对脑电信号进行分离。接着对分离的脑电信号δ波进行希尔伯特-黄变换。利用希尔伯特谱得到信号的瞬时频率信息,发现δ波的瞬时频率在某些时刻相对于其他时刻非常大。将这些瞬时频率出现异常的时刻,与呼吸信号的波峰出现的时刻进行相关性分析,得出呼吸信号与脑电信号中的δ波显著相关。     

希尔伯特-黄变换在微电网故障定位中的应用

基于微电网双向潮流结构运行及故障电流小等特点,采用不受波速和线路弧垂影响的三端行波测距与希尔伯特-黄变换(Hilbert-Huang Transformation,HHT)结合对故障电流行波进行检测。通过经验模态分解(Empirical Mode Decomposition,EMD)提取故障电流行波信号的固有模态函数(Intrinsic Mode Function,IMF),再对首个固有模态函数(IMF1)进行希尔伯特谱分析(Hilbert Spectrum Analysis,HSA),得到相应的瞬时频率谱,根据瞬时频率谱的突变点对行波波头到达测量端的时刻准确检测。利用Matlab/Simulink建立微电网仿真模型,针对微电网不同故障类型进行仿真分析,仿真结果表明所提出的故障定位方法有效且具有较高的定位精度。     

利用双谱分析的癫痫脑电特征研究

根据癫痫患者脑电信号具有非高斯、非线性随机特性,应用高阶累积量技术对癫痫患者的脑电信号进行双谱估计,研究了在不同发病阶段的脑电信号的高斯偏离程度,以获取更加敏感和准确的临床监护和发病预报参量.用参数模型法进行双谱估计,并根据奇异值分解最小二乘法求解模型参数,从而获得高分辨率的双谱估计值和有效的脑电相位信息.用功率谱对高阶谱进行规范,规范化结果可作为相关系数,通过估计双相关系数找出它与癫痫发作的关系.实验结果表明,患者在癫痫发作前、开始发作和发作期,双谱的等高线图具有明显的尖峰,在癫痫发作时的脑电双相关系数值要比癫痫发作前和发作后的系数值高得多,使得脑电波的非高斯性和非线性增强.双谱分析为癫痫脑电信号的研究提供了一些新的思路,双相关系数有望成为临床监护、预报癜痫发作的一个指标.     

HHT在提取Lamb波特征参数中的应用

超声Lamb波被广泛用于薄板状结构的损伤检测,其频散特性为损伤信号特征参数的提取增加了难度,因此提出HHT方法对时域的Lamb波进行频域转换,以提取信号的能量和时间特征。首先,介绍了Lamb信号的特性及生成方式;其次,详细说明希尔伯特-黄变换(HHT)的实现方法及步骤,用Matlab进行了算法实现,获得Lamb波信号的Hilbert谱、瞬时能量密度谱和边际谱;最后,通过复合材料结构的损伤实验,分别对损伤前后的结构检测信号进行HHT变换,提取信号的能量参数和时间参数,对比分析证明HHT能有效提取损伤前后信号的能量衰减和时间延迟信息,为下一步进行损伤程度和位置的识别提供了数据依据。     

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.     

希尔伯特-黄变换谱及其在地震信号分析中的应用

介绍了希尔伯特-黄变换(HHT)这一非线性、非平稳信号处理方法,并利用HHT处理了地震工程中常用的ElCentro地震波,得到了该信号的Hilbert谱、边际谱和能量谱,提取了该信号的主要动力特性,并与该信号的Fourier分析结果进行了对比,显示出HHT这一方法的优越性.     

虚拟式Hilbert-Huang变换信号分析仪的研制

介绍了Norden.E.Huang等人提出的Hilbert-Huang变换(HHT)信号分析方法的主要内容、经验模态分解的过程和希尔伯特谱、边际谱的概念等;以虚拟仪器的开发特点及应用为基础,利用软件和硬件相结合的方法,从硬件部分、软件部分、仪器面板3个方面介绍了虚拟式Hilbert-Huang变换信号分析仪的设计,并成功开发了虚拟式Hilbert-Huang变换信号分析仪,为工程信号测试与分析提供了一种全新的方法.     

基于希尔伯特-黄变换周期平稳类微弱故障信号检测

在希尔伯特黄变换可以将振动信号分解为有限的模式函数的基础上,针对周期平稳类微弱故障信号难以检测到的问题,对信号进行经验模式分解,然后对本征模式函数进行希尔伯特变换;接着通过希尔伯特谱对多频信号中的弱信号和仿真齿轮裂纹弱故障信号分析,得出多频信号中弱信号成分和其时间分布以及调相频率;最后分析滚动轴承损伤弱故障,从希尔伯特谱中可以分析时频和振动量的分布情况,进而提取故障特征,分析出故障;表明希尔伯特谱对周期平稳类微弱故障信号具有一定的分析能力.     

基于支持向量机的高速公路实时事故风险研判

采用G60高速公路(上海段)上布设的单组线圈检测器检测的车道级交通流数据对该路段上发生追尾事故可能性进行研究.通过配对案例对照的方法,分别对事故前5~10min,10~15min和15~20min的交通流数据建立了追尾事故实时预测支持向量机模型.结论表明基于事故前5~10min的交通流数据构建的支持向量机分类器能够有效的对事故进行实时预测,总体事故预测精度为84.85%,误报率为0.33%,该支持向量机分类器具有较高的实用价值,同时也表明了基于单流量检测器的交通流数据对事故进行实时预测的可靠性.     

基于Hilbert谱熵的柴油机故障诊断方法研究

从信号的特征提取出发,采用局域波时频谱分析和信息熵结合的方法--Hilbert谱熵(HSE),进行柴油机振动信号的特征提取和状态识别.首先,对信号进行局域波分解;然后,根据得到的内蕴模式分量计算Hilbert谱;最后,建立基于时频分布的Hilbert谱熵,并以此作为故障识别的特征参数.以柴油机缸套与活塞间磨损的状态识别为例,根据对时域、频域和时频域的信息熵比较分析,证明了Hilbert谱熵对柴油机的状态进行评价的有效性.此方法为柴油机预知维修提供了一个有效的手段.     

Detection of the short-term preseizure changes in EEG recordings using complexity and synchrony analysis

An important consideration in epileptic seizure prediction is proving the existence of a pre-seizure state that can be detected using various signal processing algorithms. In the analyses of intracranial electroencephalographic （EEG）recordings of four epilepsy patients, the short-term changes in the measures of complexity and synchrony were detected before the majority of seizure events across the sample patient population. A decrease in complexity and increase in phase synchrony appeared several minutes before seizure onset and the changes were more pronounced in the focal region than in the remote region. This result was also validated statistically using a surrogate data method.     

基于VMD-SSA和多频段Hilbert能量的高压直流输电线路单端量保护方法

高压直流(high voltage direct current, HVDC)输电线路对故障暂态电压信号大多数频段都具有衰减作用,而HVDC的物理边界对高频分量会产生较强的衰减作用,对低频分量会产生一定的放大作用。根据上述特征,提出了一种基于变分模态分解(variational mode decomposition, VMD)-麻雀搜索算法(sparrow search algorithm, SSA)和多频段希尔伯特(Hilbert)能量幅值的高压直流输电线路单端量保护方法。利用SSA对VMD参数进行优化后,对故障暂态电压信号进行分解,然后对分解后的各个内涵模态分量(intrinsic mode functions, IMF)进行Hilbert变换求取其200～1 200 Hz低频段和8～12 kHz高频段的Hilbert能量,利用低频段和高频段Hilbert能量之比构造故障区段识别保护判据,通过正极和负极其高低频段Hilbert能量和之比来判断故障极。仿真实验证明,所提出的方法能够有效避免利用经验模态分解(empirical mode decomposition, EMD)故障信号时...     

Hilbert-Huang变换理论及其计算中的问题

以地震波的谱分析为例 ,对比分析了Hilbert Huang变换 (HHT)与傅立叶变换的差别 ,结果表明 :HHT是对非平稳时程进行数据分析的有效工具 ,能有效地将各种频率成份以固有模态函数的形式从时程曲线中分离出来 ,但这种固有模态函数与傅立叶变换结果不同 ,而且Hilbert谱是包含时间 -频率 -振幅的三维谱 ;可采用在端点改造一个小波串的方法解决HHT存在的端点飞翼现象 .文中还提出确定是否终止固有模态函数分离过程的一种方法     

鱼群算法优化组合核函数GPR的油井动液面预测

针对抽油井动液面(DFL)检测主要依靠人工操作回声仪测试,无法实时在线检测,而单一核函数的高斯过程回归(GPR)无法明显提高预测精度和泛化能力,提出了一种人工鱼群算法(AFSA)优化组合核函数的动态高斯过程回归动液面预测模型.采用多项式函数、线性函数与径向基函数组合构建核函数,利用人工鱼群算法对核函数模型参数进行寻优,采用快速傅里叶变换(FFT)和核主元分析(KPCA)融合提取时频数据非线性特征作为模型输入,提高模型的预测精度和泛化能力.油田现场应用验证了该方法的有效性.     

采用EEMD-KPCA处理的IHHO-LSSVM滚动轴承寿命预测模型

为提高滚动轴承剩余寿命预测精度,提出一种基于集合经验模态分解-核主成分分析(EEMD-KPCA)和改进的哈里斯鹰优化-最小二乘支持向量机(IHHO-LSSVM)的滚动轴承剩余寿命预测模型.首先,使用集合经验模态分解方法对原信号进行分解,根据相关系数和峭度值选取合适的本征模态函数进行重构;然后,提取时域、频域、小波包能量谱等指标,并用核主成分分析,选取累计贡献率大于85%的主成分作为轴承退化性能指标;建立最小二乘支持向量机寿命预测模型,针对模型参数,提出一种改进的哈里斯鹰优化算法,并在新算法基础上设计新的能量周期性递减调控机制.采用轴承全寿命实验数据进行验证,结果表明:该方法提取的轴承性能评估指标能够更全面地表征轴承性能退化情况,建立的模型具有良好的预测效果.     

基于地层切片的高精度边缘检测方法研究*

为了克服常规边缘检测方法的精度低、计算效率低,且只能处理二维水平时间(或沿层)切片的缺陷,在常规的基于希尔伯特变换方法的基础上提出了一种新的基于地层切片的高精度边缘检测方法.该方法针对地层切片进行计算,扩展了沿层切片的应用范围,更符合地下实际的地质情况;并且采用时间域的希尔伯特变换进行计算,计算优于常规基于频率域的希尔伯特变换的方法.此外,在计算流程上针对地层切片数组的纵向和横向等2个方向同时进行处理:先采用二维保边去噪进行预处理,然后采用时间域希尔伯特变换进行边缘检测,不仅可以有效地压制噪声,而且可以进一步提高了计算精度.塔中某区的实际地震资料的应用效果表明,新方法的裂缝检测符合率高于常规的裂缝检测方法(如希尔伯特变换方法、相干方法、基于张量的方法等).