一种基于再生核的经验模态分解算法研究

经验模态分解(EMD)算法是Hilbert-Huang变换(HHT)的核心算法,它的分解效果依赖于包络线的生成算法和端点延拓算法。采用再生核算法求包络线,得到了一种新的EMD算法。分析了再生核函数的局部逼近及收敛,从数学角度解释了选择该算法的原因,最后针对两种非线性信号给出了仿真结果,表明该算法的有效性。     

基于Hilbert-Huang变换的房地产调控政策对地产指数的影响

运用Hilbert-Huang变换的方法将地产指数价格分解成几个本征模函数的叠加,通过t 检验、Hilbert-Huang 频谱和功率谱分析将其归类重组,最终形成了地产指数的三个基本分量. 在此基础上对2002 年5月9日至2011年2月9 日期间颁布的142条房地产宏观调控政策进行作用力检验,并通过模拟政策作用力探究其对地产指数价格分量的影响,最终找到53 条影响市场波动价格和54 条影响重大事件价格的政策. 从Hilbert-Huang频谱分析上来看,2007 年1月至2009年2月的一系列宏观调控政策增加了地产指数市场波动价格的波动程度. 从对政策作用力的模拟来看,市场对于货币政策的反应非常灵敏,而对于某些商品房市场政策、土地市场政策等反应有一定的滞后性. 政策初始作用力的大小与持续时间无关.     

基于极值域均值模式分解的语音增强方法

增强低信噪比(signal to noise ratio, SNR)下的语音质量是语音识别需要解决的问题。在众多增强方法中,经验模态分解(empirical mode decomposition, EMD)是目前应用最为广泛的一种方法。针对EMD在对语音进行增强时存在端点效应的问题,研究了极值域均值模式分解(extremum field mean mode decomposition, EMMD)方法。该方法改变了EMD只利用信号的极值点信息的单一做法,充分考虑输入信号所有信息,计算信号极值点间所有数据的均值,可以有效解决EMD中的端点效应问题。因此,提出了基于EMMD的语音增强方法,实验结果表明EMMD方法的引入,消除局部数据中隐含的支流分量,避免了EMD方法的端点效应问题,明显提高了带噪语音的SNR,改善了语音的质量。     

水声矢量信号的希尔伯特黄变换仿真研究

将希尔伯特黄变换应用于水声矢量信号处理之中,提出了矢量希尔伯特黄变换法(矢量HHT).新方法先对水声矢量信号进行经验模态分解(EMD),再对各阶本征模态函数(IMF)信号作希尔伯特变换和矢量信号处理.经理论推导和仿真研究,矢量HHT不仅继承了矢量信号处理和希尔伯特黄变换二者原有的优点,而且比常规方法有着更高的处理增益.     

基于Hilbert-Huang变换与对抗训练的特定辐射源识别

为有效解决特定辐射源的个体识别问题, 提出一种基于Hilbert-Huang变换与对抗训练相结合的方法。首先根据辐射源硬件差异, 建立辐射源信号的数学模型; 其次, 对信号进行Hilbert-Huang变换得到Hilbert谱; 然后, 在预处理过程中, 从信号所有的Hilbert谱时频点对应的能量值中, 确定最具区分度的一组能量值, 并记录其对应的时频点; 最后, 对每一类辐射源信号的Hilbert谱提取上述记录的时频点对应的能量值, 将其送入卷积神经网络进行训练与测试, 并通过对抗训练的方式提升网络的抗噪性能。识别准确率实验表明, 对比不进行对抗训练的方法以及不进行预处理与对抗训练的方法, 所提算法的识别率分别平均提升3.1%与5.45%。识别鲁棒性实验表明, 所提算法训练样本为100时即可达到较好识别效果, 同时随着辐射源个数增多优势更加明显。复杂度分析表明, 所提算法能有效降低神经网络在大量训练与识别过程产生的运算量。     

基于T检验的水文时间序列HHT分析方法及应用

Hilbert-Huang变换方法(HHT)是针对非线性、非平稳序列的一种新的时间序列分析方法.针对前人在应用中存在的忽略统计检验的问题,提出了对本质模态函数(IMF)的周期进行T检验的改进方法,设计了基于T检验的HHT模型计算步骤和算法流程,可检验IMF周期的有效性.将改进后的HHT方法用于长江宜昌水文站50年的逐日径流量的分析中,得到了14个反映径流序列波动规律的IMF、一个反映径流变化趋势的趋势项r及Hilbert谱.研究表明,宜昌站径流量存在1~3a、4~5a、9a及准14a的年际变化周期,年内波动对整个径流序列的影响亦较大.对比分析表明了所设计的基于T检验的HHT方法的有效性.     

系统分析中结构建模的核心变换法

核心变换法是作者提出的“核心要素法”体系中的基本方法之一，是结构建模中消除未知元素的一种非常有效的新方法，这种方法从初始矩阵开始，利用传递性经过一系列的“核心变换”，消除未知关系从而得到可达矩阵表示的结构模型。     

一种基于Hilbert-Huang变换和AR模型的滚动轴承故障诊断方法

提出了一种基于Hilbert-Huang变换和AR模型的滚动轴承故障诊断方法.采用Hilbert-Huang变换将滚动轴承振动信号分解成若干个平稳的IMF(IntrinsicModeFunction)分量,求出每一个IMF分量的瞬时幅值和瞬时频率,然后对每一个IMF分量的瞬时幅值和瞬时频率序列建立AR模型,以模型主要的自回归参数和残差的方差作为特征向量建立Mahalanobis距离判别函数,进一步判断滚动轴承的工作状态和故障类型.实验结果分析表明,本文方法能有效地应用于滚动轴承的故障诊断.     

基于EMD技术的非平稳非线性时间序列预测

提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)技术的时间序列组合预测模型。首先对非平稳非线性时间序列进行EMD技术分解,然后将分解得到的子序列进行聚类,并运用传统的时间序列预测方法对各子序列分别进行预测,最后汇总子序列的预测值得到目标时间序列的预测值。统计模拟和实证分析显示:组合预测模型能够显著提高预测的精度,说明新方法对于非平稳非线性时间序列的预测是有效的。     

基于小波变换的非线性信道判决反馈均衡算法

针对严重线性失真和轻度非线性失真的数字信道 ,在分析一种基于关联模型的非线性信道判决反馈均衡器的基础上 ,提出用正交小波表示非线性信道判决反馈均衡器并给出了自适应均衡算法。该算法的优点是将小波变换与关联模型相结合 ,利用小波变换的去相关能力在小波域中通过归一化的最小均方误差 (LMS)算法来提高收敛速度 ,计算量增加不多 ,易于实时实现。仿真结果表明 ,该算法具有良好的收敛性能     

石油价格波动预警分级机制研究

以1986.1-2009.9 WTI原油期货周平均价格, 共1239个事件期作为研究对象, 采用Hilbert-Huang变换的方法构造石油价格波动预警分量, 以此来对历次石油价格波动过程展开预警分级研究. 在综合考虑石油价格的波动周期、波动幅度和波动出现概率的基础上, 计算预警信号的强度, 并将所有预警信号分为三级: 轻度预警信号、中度预警信号、高度预警信号. 研究结果表明, 该预警分级机制给出的预警信号与已经发生的石油价格波动过程吻合, 因此借助此预警分级机制, 对未来可能出现的石油价格危机给出的预警提示, 具有良好的前瞻性.     

基于Park-HHT的故障特征提取方法

针对三相对称系统,提出了一种新的故障特征提取方法。该方法首先将系统输出信号进行Park变换,之后进行希尔伯特-黄变换(Hilbert-Huang transform, HHT),从HHT的本征模态函数中选取低频分量,提取信号幅度作为故障特征值。该方法兼具Park变换和HHT的优点,在降低变量维度的同时提高了故障分辨率,并且具有较强的抗噪声能力。最后,在三相逆变电路中进行了仿真实验,根据特征向量间距离分布对不同方法的提取效果进行评价,验证了所提方法的有效性。     

基于Park-HHT的故障特征提取方法

针对三相对称系统,提出了一种新的故障特征提取方法。该方法首先将系统输出信号进行Park变换,之后进行希尔伯特-黄变换(Hilbert-Huang transform, HHT),从HHT的本征模态函数中选取低频分量,提取信号幅度作为故障特征值。该方法兼具Park变换和HHT的优点,在降低变量维度的同时提高了故障分辨率,并且具有较强的抗噪声能力。最后,在三相逆变电路中进行了仿真实验,根据特征向量间距离分布对不同方法的提取效果进行评价,验证了所提方法的有效性。     

Multi-component LFM signal detection and parameter estimation based on Radon-HHT

A new method is proposed to analyze multi-component linear frequency modulated （LFM） signals, which eliminates cross terms in conventional Wigner-Ville distribution （WVD）. The approach is based on Radon transform and Hilbert-Huang transform （HHT）, which is a recently developed method adaptive to non-linear and non-stationary signals. The complicated signal is decomposed into several intrinsic mode functions （IMF） by the empirical mode decomposition （EMD）, which makes the consequent instantaneous frequency meaningful. After the instantaneous frequency and Hilbert spectrum are computed, multi-component LFM signals detection and parameter estimation are obtained using Radon transform on the Hilbert spectrum plane. The simulation results show its feasibility and effectiveness.     

基于趋势估计的微多普勒分离与特征提取算法

微动目标特征提取与辨识一直是弹道目标识别的研究热点与难点。针对复杂运动目标微多普勒(micro-Doppler, m-D)曲线交叠耦合导致的微动辨识难点, 提出一种基于曲线趋势估计的分离算法。该算法首先通过骨架提取获得稳定精细的二值化曲线数据, 再基于曲线光滑性和插值法对曲线趋势进行精确估计并分离, 最后利用变分模态分解(variational mode decomposition, VMD)及经验模态分解(empirical mode decomposition, EMD)算法分解每条m-D曲线并计算相应的微动特性。仿真实验表明, 所提算法能够在信噪比大于-15 dB条件下稳定分离m-D曲线, 进而提取目标的微动特性。