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。     

希尔伯特黄变换在齿轮故障诊断中的应用

希尔伯特黄变换是先把一列时间序列数据通过经验模态分解，然后经过希尔伯特变换获得时频谱的信号处理新方法。介绍了希尔伯特黄变换算法的原理及流程，利用由希尔伯特谱反映出的丰富的物理信息来对齿轮进行故障诊断。结果表明，希尔伯特谱较好地实现了齿轮故障的诊断，希尔伯特黄变换为齿轮故障提供了有力的工具。     

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.     

基于多变量希尔伯特频域模型的癫痫发作预测

癫痫发作具有突发性和反复性,对患者生命安全构成巨大威胁.为了对癫痫发作进行有效地预测,提出了多变量希尔伯特频域模型的癫痫发作预测方法.将希尔伯特边际谱、希尔伯特边际谱的变化方向和希尔伯特加权频率组成一个三维特征向量作为多变量希尔伯特频域模型,输入到支持相量机中,实现癫痫的发作预测,最后采用癫痫发作预测特征方法对预测结果进行评估.实验结果表明:采用多变量希尔伯特频域模型分析方法预测δ波和θ波的癫痫发作,癫痫预测范围在30~45 min,患者有足够的时间采取措施应对;癫痫发作周期在5~10 min,缩短患者等待时间,降低焦虑程度;与多种相关方法进行比较,该方法具有较低的错误预报率和较高的预测敏感度.     

基于HHT信号处理方法的水轮发电机组低频压力脉动信号的特征提取

基于经验模态分解(Empirical mode decomposition,EMD)的希尔伯特黄变换(Hilbert-Huang transform,HHT)方法能够较好地分析非平稳和非线性的信号.提出了基于Pascal程序设计语言的HHT算法的程序实现方法.通过对某水轮发电机组水导轴承的振动信号进行分析发现,EMD方法等够有效地分离出低频压力脉动信号中的各个单一模态的振动分量,分解出来的各振动分量具有物理意义.Hilbert谱相比于传统的时频谱具有更好的时频分辨率,且具有自适应的信号处理能力.     

锌钡白回转窑消色力波动性的成因分析

为寻找某锌钡白回转窑过程的关键质量指标——消色力不稳定的原因,对消色力指标的序列进行了研究.首先用傅立叶方法进行分析,发现其包含的谐波分量比较显著,表明消色力波动存在一定的周期性.为得到关于波动的更详细信息,并考虑消色力序列的非平稳特性,进一步采用希尔伯特-黄变换时频联合分析的方法,通过对其边际谱的研究得到比较精确的波动频率,并由Hilbert谱的分析实现对该波动的时间定位,最后结合实际指出产生该波动的管理和工艺上的原因,从而为质量问题的追溯提供了线索和条件.     

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。     

基于傅里叶变换的弱位相物体强度编码

提出在4f系统频谱面放置希尔伯特滤波器实现对弱位相物体的强度编码,编码的结果使得强度变化与位相变化保持了很好的线性关系,提高了对弱位相物体的细节分辨率.计算机模拟实验证明了结论的可靠性与可行性.     

基于希尔伯特-黄变换的车用逆变器开路故障检测方法

针对车用变频驱动系统中逆变器开路故障,采用直流侧电流频谱作为故障特征量进行故障诊断;并引入希尔伯特-黄变换(HHT)作为频谱分析工具,将该方法延伸到非平稳信号的频谱分析中。通过对稳态、动态两种工况下单管开路故障和单相开路故障两种故障模式的研究,结果表明:该方法能够在稳态和动态工况下可靠提取出直流侧电流信号中隐含的故障特征量,适用于车用工况。     

基于Nuttall自卷积窗四谱线插值FFT的电力谐波分析方法

快速傅里叶变换(fast Fourier transform,FFT)在非同步采样条件下难以实现谐波的高精度检测,而加窗和插值算法可以提高谐波检测的准确度。文章在分析Nuttall自卷积窗频谱特性的基础上,提出了基于Nuttall自卷积窗四谱线插值FFT算法。该算法通过对加窗信号离散频点处幅值的分析,利用谐波频点附近的四根谱线进行加权运算,进一步提高谐波幅值、相位和频率检测的精度;采用多项式拟合的方式得到基于Nuttall自卷积窗四谱线插值修正公式。仿真数据表明,该算法具有较高的谐波检测精度,Nuttall自卷积窗有效地抑制了频谱泄露。