Hilbert-Huang变换及其滤波特性研究

Hilbert-Huang变换是最新发展起来的处理非线性非平稳信号的时频分析方法.其基本的实现分为两步,经验模态分解和瞬时频率的求解.这种方法的核心部分是经验模态分解,任何复杂的信号都可以分解为有限数目并且具有一定物理意义的本征模态函数,对这些本征模态函数作Hilbert变换即可得到每一个本征模态函数的瞬时频率.经验模态分解方法是一个以信号极值特征尺度为度量的时空滤波过程,它充分保留了信号的局部特征,在信号的滤波和去噪中具有较大的优势.本文讨论了Hilbert-Huang变换时空滤波的实现过程,仿真验证了该方法的优越性.     

基于HHT方法的时变多自由度系统的参数识别

将HHT(Hilbert-Huang transform)方法与数学规划方法相结合,用于时变多自由度系统的参数识别.把响应信号如加速度信号通过一个窗函数,得到要研究的某阶模态成分,然后通过经验模态分解(EMD)把通过窗函数的信号分解成各个本征模函数(IMF),对分解出来的IMF进行希尔伯特变换得到该阶模态的瞬时频率,以待识别的刚度或质量参数作为设计变量,极小化计算得到的频率与瞬时频率之差的平方和.对应该平方和最小的刚度或质量值即为选定时刻识别得到的刚度或质量参数值,并进行了数值仿真.     

基于CEEMDAN的爆破地震波信号时频分析

爆破监测信号多为含噪信号,噪声会使经验模态分解(EMD)的结果产生严重的模态混淆,使用改进算法EEMD对模态混淆有一定的抑制作用但效果并不明显。为此本研究将使用自适应补充集合经验模态分解(CEEMDAN)来处理含噪信号。比较EMD、EEMD、CEEMDAN对仿真信号的分解结果,计算EMD、EEMD、CEEMDAN得到的IMF的排列熵值,对EMD、EEMD、CEEMDAN的分解结果进行Hilbert变换,并比较三者时频谱的分辨率。最后将CEEMDAN用于水下钻孔爆破地震波时频分析中,结果表明:CEEMDAN不仅对模态混淆具有一定的抑制作用,且其分解结果经过Hilbert变换得到的时频谱在时域和频域上都具有较高的分辨率。     

基于经验模态分解的低信噪比探地雷达数据处理

阐述经验模态分解原理及复信号分析理论,着重讨论EMD分解应满足的条件及具体分解过程.应用EMD方法对单道GPR数据及GPR正演加噪剖面分别进行分解,得到从高至低不同频率范围的本征模态函数GPR图.然后,以湖南长沙黑麋峰抽水蓄能电站进厂交通隧洞实测GPR剖面为例,首先对该剖面进行EMD分解去除部分噪声,再利用Hilbert变换求取GPR剖面复信号,并提取瞬时振幅、瞬时相位、瞬时频率3个参数,绘制出相互独立的瞬时参数剖面图.研究结果表明:EMD分解对于低信噪比GPR数据具有较强的适应性,把EMD分解应用于含噪的雷达信号,并结合GPR复信号分析技术得到的“三瞬”信息,避免了使用单一时距剖面分析所造成的解释偏差,可以较好地实现对低信噪比GPR数据的噪声去除,突出雷达剖面中异常体特征,达到提高GPR信号分析效果及解释精度的目的.     

基于多重匹配同步压缩变换的充电机电压扰动分析

为了提高电力系统的安全性和稳定性,解决传统时频变换方法在电能扰动分析中不能准确分离提取扰动信号的缺陷,提出一种基于多重匹配同步压缩变换（Multiple Matching Synchrosqueezing Transform,MMSST）的电能扰动分析方法. 首先,利用MMSST将含扰动的信号分解为一组本征模态函数分量（Intrinsic Mode Functions,IMF）;然后,对每个IMF分量进行希尔伯特变换（Hilbert Transform, HT）,从而获得各个分量的瞬时频率和瞬时幅值,实现扰动信号的检测与分类. 仿真和实测实验结果表明,与经验模态分解（Empirical Mode Decomposition, EMD）算法相比,MMSST可以准确地分离提取电压扰动信号中的各个扰动分量,可以实现各个扰动分量的瞬时频率和幅值的准确提取,并且具有较强的鲁棒性.     

基于EEMD的柴油机缸套磨损故障诊断

针对柴油机缸套磨损故障诊断问题,在实车上测试了柴油机机体振动信号,应用经验模态分解(EMD)对不同磨损状态下的柴油机机体振动信号进行了分析,然而,EMD存在的模态混叠问题使其难以获得准确的基本模式分量(IMF).为此引入基于总体经验模态分解(EEMD)的改进的局域波分析方法,利用EEMD获取无模式混淆的IMF,通过Hilbert边际谱分析信号能量随瞬时频率的变化特征.工程实测分析结果验证了应用该方法进行柴油机缸套磨损故障诊断的有效性.     

EMD的单次分解频域属性及IMF的生成机理研究

本文通过使用2个单频率信号的组合应用于EMD分解来研究EMD的单次分解的频域属性和探索研究本征模态函数IMF的生成机理.数值实验结果证明,EMD过程中,信号中的最高频率组分通过抽取相对低频信号而生成IMF并决定其频域位置和带宽,数值实验结果也证明了EMD过程中相对高频分量对低频分量的抽取能力的非传递属性,最后给出单次EMD的频域滤波器组结构的示意图,并讨论了EMD和小波的频域结构的异同.     

基于改进HHT的结构模态参数识别方法

针对HHT方法中经验模态分解(EMD)过程容易出现模态混叠、虚假模态和端点效应的问题,提出了改进的HHT方法.首先利用带通滤波对原始信号进行预处理,得到一组窄带频率信号之和;接着进行EMD过程,得到若干个本征模函数(IMF),根据IMFs和原信号的相关系数来判定其是否是真正的IMFs;然后运用随机减量技术(RDT)和希...     

利用经验模式分解提高短时傅立叶变换分辨率

短时傅立叶变换由于受Heisenberg测不准原理限制,时间分辨率和频率分辨率不可能同时达到最佳．在此利用经验模式分解(EMD)首先对原信号进行分解,将其分解为数阶内在模式函数(IMF),然后对这些内在模式函数进行短时傅立叶变换,从而使短时傅立叶分辨率得到提高．     

基于多普勒效应的单声源速率测定算法研究

应用多普勒效应原理,实现了对固定频率、匀速运动的单声源的速率测定.利用MATLAB拟合了固定传感器接收到的该声源运动时的声音信号,用Hilbert变换得到了该信号的瞬时频率,并以离散时间域的多普勒效应为目标函数,采用非线性最小二乘拟合得到其速率.算法采用小波分析及经验模态分解(EMD)方法分别对原始声音信号和瞬时频率进行去噪.实验结果表明,该算法精度较高,是一种可行的方法.     

Hilbert-Huang变换的滤波特性及其应用

Hilbert-Huang变换是最新发展起来的处理非线性非平稳信号的时频分析方法.其基本的实现分为两步,多分辨经验模态分解和瞬时频率的求解,随后可以获得信号的时-频谱.这种方法的关键部分是多分辨经验模态分解,任何复杂的信号都可以分解为有限数目并且具有一定物理意义的固有模态函数.多分辨经验模态分解方法可以解释为以信号极值特征尺度为度量的时空滤波过程.时空滤波器充分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有很大的优势.文中介绍了Hilbert-Huang变换时空滤波的实现过程,并列举了一些实例,说明了该方法的有效性.     

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     

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。     

Hilbert能量谱及其在齿轮故障诊断中的应用

将Hilbert—Huang变换引入齿轮故障诊断，提出了局部Hilbert能量谱的概念，同时建立了一种基于Hilbert—Huang变换的齿轮故障诊断方法：Hilbert能量谱方法。该方法首先采用EMD方法将齿轮故障振动信号分解为若干个固有模态函数(Intrinsic Mode Function，简称IMF)之和，然后选择包含故障信息的IMF分量进行Hilbeft变换得到局部Hilbert能量谱。在局部瞬时能量图中可以发现，齿轮故障振动信号具有明显的冲击特征，从而可进一步对齿轮故障进行诊断。     

Hilbert-Huang变换去除可控震源谐波畸变

可控震源地震勘探采集信号中常常带有谐波畸变,去掉高阶谐波而又保留有用信号对提高地震勘探分辨率具有重要意义。采用Hilbert-Huang方法去除可控震源采集信号谐波畸变。对可控震源信号进行经验模态分解(EMD)和Hilbert变换,得到Hilbert-Huang谱,在时频域识别并去除高阶谐波,再用Hilbert反变换得到去除高阶谐波后的本征模态函数(IMF),叠加后可得到不含高阶谐波的信号,而保留与信号发射频率一致的基波。去掉高阶谐波后再互相关,互相关中高阶谐波也相应去除,相关函数主瓣更突出,旁瓣减少,提高了计算延时和计算波速的准确性。     

HH变换在地震动信号分析中的应用

通过对仿真信号和实际地震动信号的分析,指出HH变换(Hilbert-huang transform)中产生的虚假IMF(intrinsic mode function)主要是由于EMD(empirical mode decomposition)没能将信号中频率相近的分量分解开而产生的.这种虚假的IMF在对地震动信号进行分解时很难将其排除,并且不能正确给出地震动的能量在频率上的分布.此外,Hilbert变换对某种信号会给出错误的瞬时频率.因此将HH变换应用于地震动信号分析时,将Hilbert变换同小波变换联合应用以得到较好的分析结果.     

滚动轴承早期故障在线监测与诊断

对滚动轴承早期故障的诊断提出了一种简便有效的方法．阐明频域和时域分离故障信息的原理，讨论了窄带滤波器设计参数选取的方法，特别是对窄带滤波器的中心频率及带宽与故障特征频率之间的关系给出了定量的描述，对窄带信号峰值包络包含的低频分量的放大作用给出了定量的分析．最后以５套３０７轴承为例进行了成功的诊断．采用文中提出的方法可由功率谱直接判读故障谱峰，该方法直观、快速、简便，非常适用于滚动轴承的在线监测与诊断．     

采用HHT的单相接地故障电流与励磁涌流辨识

为有效辨识中压配电网单相接地故障电流与变压器铁芯饱和产生的励磁涌流相似波形,提出一种基于希尔伯特 黄变换（HHT）经验模态分解（EMD）的辨识方法。通过对故障电流和励磁涌流进行EMD特性分析,将原始信号分解为若干本征模态函数（IMF）分量,根据确定的主导IMF分量个数以及比重系数和阈值的关系,区分出故障电流和励磁涌流的波形。仿真发现,单相接地故障电流主导的本征模态函数分量仅有1个,而励磁涌流主导的IMF分量则有多个;故障电流的比重系数Ki远大于励磁涌流的Ki。仿真结果表明,该方法能够有效辨识故障电流和励磁涌流。     

基于小波降噪和EMD方法的风力发电系统齿轮箱故障诊断

将小波降噪和经验模态分解相结合,提出一种风电机组齿轮箱故障诊断的方法。先对齿轮故障振动信号进行小波降噪预处理,再进行经验模态分解,对包含故障特征的固有模态函数用Hilbert变换得到包络谱,通过对包络信号做功率谱分析,提取故障特征频率,与未降噪信号处理的结果进行比较,降噪后诊断效果明显。     

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.