基于HHT的微震信号分析

利用希尔伯特-黄变换(HHT)中经验模态分解(EMD)法,对武钢金山店铁矿微震监测信号进行分解,得到满足一定条件的IMF分量,再对其进行希尔伯特变换,得到能量谱图,通过对波形和谱图的分析,实现微震震源的提取及分类。     

希尔伯特-黄变换理论及其应用探讨

希尔伯特-黄变换包括两个主要步骤:经验模态分解和希尔伯特变换;在经验模态分解过程中会产生的端点效应,应采取方法抑制;能应用于多个领域.     

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HHT的线性调频信号分析与参数估计

基于Hilbert-Huang变换(HHT),提出一种有效的线性调频(LFM)信号的分析与参数估计的方法.首先对LFM信号进行HHT得到其Hilbert谱,并根据能量的准则提取其中的主成分,完成LFM信号分析.对利用能量型主成分提取法得到的LFM信号主成分进行最小二乘直线的拟合,计算直线的斜率与截距,得到LFM信号的参数的估计值.实验证明,能量型主成分提取方法,在较高的信噪比范围内具有一定的LFM信号估计效果.     

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.     

基于EMD的语音信号压缩感知算法

文中将压缩感知理论和经验模态分解方法(empirical mode decomposition,EMD)相结合,用于语音信号压缩上,提出了一种基于EMD的语音信号压缩感知算法。首先用EMD将语音信号分解,可得语音信号的本征模函数信号分量。然后仿真实验模拟EMD分解的过程,并验证本征模函数信号分量的稀疏性。最后结合压缩感知理论基础分别对各个信号分量进行观测抽样,以实现语音信号的压缩。由仿真实验结果可知,语音信号经EMD分解后得到的信号分量在DCT域上较原始语音信号有更好的稀疏性,并且将该算法压缩重构还原出的信号与常规的基于DCT的压缩感知算法以及基于近似KLT的压缩感知算法相比较有更高的平均信噪比,重构性能更佳。     

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.     

经验模态分解端点效应抑制的常用方法比较研究

由美国国家航空航天局(NASA)的Huang等提出的经验模态分解(Empirical mode decomposition,EMD)是一种先进的信号分析方法,能够有效地获得非平稳信号的时频特征,应用范围极其广泛.但是其利用样条曲线构造信号上下包络线的过程中存在严重的端点效应.针对这个问题,人们提出了各种抑制方法,并都取得了一定程度的效果,然而对各种方法的性能特点缺乏系统准确的评价.针对常用的几种方法:匹配延拓法、镜像闭合延拓法、极值点对称延拓法、多项式拟合延拓法等,通过估计各自的Hilbert谱,平均频率曲线的均方误差,以及计算复杂度等比较研究了各种方法的性能.     

多个经验模态分解对振动信号作用的对比

经振动传感器采集到的信号是非线性、非稳定的,这种信号无论是在时域还是频域上都不易分析。所以通过经验模态分解将原始信号分解成为多个本质模态函数（IntrinsicMode Function,IMF）,之后对其进行特征提取等进一步处理。但是经验模态分解存在模态混叠与端点效应的问题,所以文章采用互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposision,CEEMD）。CEEMD是在进行经验模态分解之前加入多组符号相反的白噪声,这不仅减少了模态混叠,分解出的IMF分量还更精进。这种互补集合经验模态分解有效地处理了所采集的非线性、非稳定性的振动信号。     

基于小波变换模极大值的汽轮机振动信号去噪

针对汽轮机振动信号去噪问题,根据振动信号和噪声的小波变换模极大值在不同尺度上表现出的不同的传播特性,给出了基于小波变换模极大值的去噪算法.利用该法可以最大程度对含噪汽轮机振动信号去噪处理,实现信噪分离,并有效地保留信号的奇异点信息.     

一种基于改进Hilbert-Huang变换的非平稳信号时频分析法及其应用

对于非平稳信号时频分析,提出了一种基于改进Hilbert-Huang变换(HHT)的分析方法.根据HHT的已有原理,改进了经验模式分解(EMD)过程中的筛选停止准则,提高了分解精度;给出了Hilbert谱分析的完整过程;以线性调频连续波(FMCW)信号模型作为研究对象,结合改进的EMD分解和完整的Hilbert谱分析,通过分析时频分布特征实现高噪声背景下雷达目标信号的检测以及干扰信号的提取.仿真结果表明了改进后的HHT方法对于低信噪比非平稳信号分析的有效性.     

希尔伯特黄改进算法在语音增强中的应用

语音信号在传输过程中常常受到传输系统或周围环境的噪声影响而无法识别说话者的内容。为了尽可能消除语音中的噪声,提高语音的信噪比及清晰度,提出了一种基于奇异值分解的希尔伯特黄消噪算法。该算法对带噪语音信号进行经验模态分解,得到各阶固有模态函数,在对各阶固有模态函数分量分析的基础上,利用软阈值和奇异值算法相结合的方法来达到语音消噪的目的。这种分阶消噪算法可以尽可能的除去噪声,提取出纯净的语音信号。通过大量的仿真结果可以证明:该算法在语音消噪应用具有可行性,而且优于传统语音消噪方法。     

基于Hilbert-Huang变换方法的结构损伤诊断

在Hilbert—Huang变换理论和Hilbert阻尼谱的基础上，通过对深圳罗湖商务大厦模型振动台试验数据的处理分析，探讨Hilbert-Huang变换方法在结构损伤诊断中的应用．结果表明，Hilbert—Huang变换方法能够准确地确定模型结构在各级烈度地震后自振频率的变化，Hilbert阻尼谱能够定性地显示阻尼损失系数在地震加速度作用时间内的变化，而且阻尼损失系数对结构的破坏更加敏感，随着结构裂缝的出现与复合，Hilbert阻尼谱出现突变。     

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...     

基于小波变换的心电信号去噪

针对心电信号采集过程中常会混入工频干扰的情况,利用小波分析良好的时频局部化特性,提出了一种改进的基于小波变换的阈值去噪方法.该方法对传统的阈值选取方法进行了改进,提出了尺度相关的阈值选取方法.仿真结果表明,改进后的算法可以有效地去除ECG信号中的噪声信号.     

基于改进Hilbert-Huang变换的超声回波信号去噪研究

超声回波信号中包含大量有关缺陷性质的信息,由于信号在检测和传输过程中不可避免地受到随机噪声干扰,给后续信号处理带来误差。针对该问题,提出改进的希尔伯特-黄变换(Hilbert-Huang Transform,HHT)应用于超声回波信号去噪,提取回波信号中反映缺陷本质特征的信号。改进算法引入小波包变换对超声回波信号作预处理,对处理后的信号进行经验模态分解,提出对数似然检验法,识别并去除噪声引起的虚假分量,重构出有用回波信号。通过对添加高斯白噪声的超声回波信号去噪,验证改进算法应用于超声回波信号去噪的可行性和有效性。     

希尔伯特-黄变换及其应用

近年来，基于时频变换理论、用于处理非平稳信号的一种新的变换方法——Hilbert—Huang变换（Hilbert—Huang Transform，HHT）在各个行业得到越来越广泛的应用。HHT方法能够对非线性、非平稳信号进行处理，不需事先确定基函数，是一种更具适应性的时频局部化分析方法。[第一段]     

基于希尔伯特黄变换和决策树的电压暂降源识别方法

电压暂降源的准确识别对治理电压暂降问题和改善电能质量具有重要意义。雷击故障和普通故障造成的电压暂降特征不同,对电网的影响有差异,相应的治理措施也不同。传统的暂降源识别主要考虑了短路故障、变压器激磁和大型电机启动三类暂降源,将雷电冲击单独列为一类进行识别,提出一种基于希尔伯特黄变换(Hillbert-Huang transform, HHT)和决策树的暂降源识别方法。基于HHT变换后的曲线差异提取分类特征,并通过构建分类决策树自适应确定特征阈值。使用PSCAD/EMTDC搭建了普通故障、雷击故障、变压器激磁和电机启动四类暂降源仿真模型,通过仿真验证并与现有识别方法对比分析以及实际应用结果表明,所提方法简单有效、识别准确率高、有实用价值。