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     

混沌信号的人因分量特征分析

该文基于希尔伯特-黄变换(Hilbert-Huang transform,HHT)方法和Teager能量算子,提出了一种混沌信号中人因分量的特征分析方法。利用HHT得到混沌信号的Hilbert谱,再对Hilbert谱提取Teager能量并计算其边际谱,从而获得Hilbert边际Teager能量谱。通过分析边际Teager能量谱获得混沌信号中人因分量的特征频率,由该特征频率通过HHT反向求解人因分量的幅值时间曲线。分析结果表明,边际Teager能量谱对实验获得的混沌信号中的人因分量具有良好的辨识效果。表面肌电实验结果证明,该文方法获得的人因分量幅值时间曲线与实际肌肉状态相符,所提方法对连续冲击下的人体生物力学研究有重要意义。     

基于SVD差分谱和IMF能量谱的改进HHT方法

针对随机噪声和虚假IMF会导致改进HHT中EEMD分解质量下降和Hilbert谱混乱,提出了一种基于SVD差分谱降噪预处理和IMF能量谱剔除虚假分量的改进HHT.该方法首先对原始信号进行SVD降噪,通过基本不等式原理来确定相空间重组的最佳Hankel矩阵结构,利用奇异值差分谱来确定有效奇异值的阶次;然后对消噪的信号进行EEMD分解,通过IMF能量谱来去除虚假分量;最后对主IMF进行Hilbert谱分析.仿真和实验结果表明,SVD能提高信噪比,抑制噪声对EEMD分解精度的干扰;能量谱能有效地消除虚假IMF对Hilbert谱分析的影响;Hilbert谱中各频率成分清晰,解决了随机噪声和虚假分量对传统改进HHT的不良影响.     

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.     

希尔伯特-黄变换端点效应的自适应端点相位正弦延拓方法

针对希尔伯特-黄变换（Hilbert Huang Transform,HHT）的端点效应问题,提出一种自适应端点相位正弦延拓经验模态分解（Empirical Mode Decomposition,EMD）方法.该方法根据端点附近数据变化趋势,通过在信号两端自适应加上相位、幅值和频率适当的正弦延拓函数,使得原端点的包络线顺着端点附近波形延展,以改进EMD分解精度.为满足EMD内禀模态分量（Intrinsic Mode Function,IMF）与原信号的相关性精度和EMD较低迭代次数的要求,引入能表征EMD性能的目标函数.该函数可通过迭代次数、IMF个数和有效IMF的相关系数大小等来衡量.由于该方法的边界延拓参数是根据延拓周期比例系数、延拓信号长度系数和采样频率自动确定的,故其分解过程完全是一个自适应过程,不需要人为设置,具有较好的实用性.仿真和液压系统实例分析表明,该方法不仅能较好地解决HHT的端点效应,而且相对现有的延拓方法而言,筛选次数更少,能显著提高信号EMD分解精度,且减小Hilbert谱的端点效应,更加精确地提取了液压系统齿轮泵振动信号的故障特征,取得了较好的应用效果.     

基于HHT边际谱熵-马氏距离的滚动轴承故障诊断

针对滚动轴承振动信号的非平稳特性,依据HHT(Hilbert Huang Transform)理论和非线性熵概念,提出了一种基于HHT边际谱熵和马氏距离相结合的轴承故障诊断方法。首先对采集到的正常及故障轴承振动信号作小波变换阈值去噪,然后通过HHT得到Hilbert边际谱。依据广义信息熵的概念定义了边际谱能量熵函数,基于所提取的特征函数,采用马氏距离对轴承故障类型进行分类。实验结果表明,该方法可以准确、有效地实现轴承的故障判别,为实际滚动轴承故障诊断提供一定的理论参考。     

基于HHT的爆破振动信号时频能量分析

傅里叶变换、小波分析等方式在处理非线性非稳定信号时不能在时间和频率上同时达到较好分辨率,针对此问题,文章在经验模态分解(empirical mode decomposition,EMD)-小波阈值去噪、Hilbert变换的基础上,采用Hilbert-Huang变换(Hilbert-Huang transform,HHT)方法,从三维Hilbert谱、边际谱及瞬时能量谱3个方面对南方某铅锌矿的爆破振动信号进行了分析。结果表明:爆破振动信号的振动频率主要集中在0～200 Hz范围内,该区域能量占信号总能量的90%以上;爆炸发生时振动频率朝着低频发展,50 Hz以内的频率为主振频带;瞬时能量谱可以反映雷管爆炸的能量释放情况。文中运用瞬时能量谱精确识别了7个段位雷管的起爆时刻,发现HHT方法在处理非线性非稳定信号时,打破了Heisenberg测不准原理的限制,能从时域、频域及能量方面反映信号的变化特征,自适应性、完备性及重构性较强,精确度较高。     

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。     

利用正交Hilbert谱模拟非平稳随机地震动

基于样本记录正交HHT变换的Hilbert谱提出了非平稳随机地震动过程的模拟方法。 利用正交EMD法对IMF分量进行处理,克服了传统EMD分解存在能量泄漏的缺点,使正交HHT法可以精确分析非平稳信号的时频特性。在此基础上,把样本的Hilbert谱均值作为地震动随机过程的目标Hilbert谱,引入随机相位角来进行非平稳随机地震动过程的仿真,并且给出了随机过程的统计特性函数。通过对2个地震动记录的模拟,验证了模拟的地震动样本,能完全反映原记录强度和频率的非平稳特性,在时频分布上和原记录非常接近,具有相同的统计特征,并且模拟样本之间也具有良好的离散性。     

应用HHT方法识别刚度突降线性SDOF体系的动力特性

以线性单自由度(SDOF)体系的刚度突降来模拟损伤引起的结构力学性能的变化,利用HHT方法分析了这种体系的强迫动力响应,并将体系动力响应的Hilbert谱与Morlet小波谱所蕴含的物理意义及分辨率特性进行了比较．分析结果表明：在规则的简谐波输入下,结构动力响应的Hilbert谱能够分辨出体系的稳态与瞬态反应,利用瞬态反应,能够识别损伤引起的体系自身动力特性的变化；在不规则的地震动输入下,由于输入的复杂性,Hilbert谱不能够将体系的稳态与瞬态反应分解开来,但是利用体系动力响应Hilbert谱的瞬态能量分布特征定义了一种瞬时卓越频率时程(PIF),其随时间的变化能够在一定程度上描述损伤引起的体系动力特性的变化．     

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.     

应用HHT方法识别刚度渐变的线性SDOF体系的动力特性

利用HHT方法分析了刚度随时间线性降低的线性时变SDOF体系的强迫动力响应. 分析结果表明，在规则的输入下，HHT方法所得到的本征模态函数（IMF）和Hilbert谱能够将结构动力响应中的稳态反应部分与瞬态反应部分区分开来：利用描述结构输入特性的稳态反应部分，能够把握输入的某些特征；而利用描述结构自身特性的瞬态反应部分，则能够把握结构自身的动力特性，从而能够将结构刚度的时变特性识别出来. 可以为HHT方法在时变结构动力特性识别中的应用提供一个新的思路.     

Hilbert-Huang变换与大地电磁信号的时频分析

将Hilbert-Huang变换引入大地电磁信号的时频分析中,介绍HHT(Hilbert-Huang transform)时频分析原理及方法,给出仿真信号的经验模态分解及其时频分布,并对实测大地电磁信号进行HHT时频处理与剖析.研究结果表明:Hilbert能量谱随时频的具体分布具有很强的非稳态动态变换时频刻画能力;时频谱的时间、频率分辨率不受Heisenberg测不准原理的限制,且其时间、频率分辨率都很高,有很好的时频聚集性;HHT方法能用于描述大地电磁信号的非线性时变特征,是大地电磁信号时频分析的有效工具.     

非平稳地震地面运动局部谱密度正交化HHT估计

基于采用能反映时频非平稳特性的时变谱密度（局部谱密度）来描述地震地面运动的必要性,给出了利用正交HHT（Hilbert-Huang Transform）估计地震地面运动局部谱密度的方法．具体算例表明：与多重过滤和短时傅立叶变换相对比,利用正交HHT法来估计局部谱密度,速度更快,精度更高;与传统HHT方法相比,正交HHT法避免了能量泄露,有更普遍的适用性．因此,它是一种高效的局部谱密度估计方法．同时,用得到的局部谱密度对三条地震波的能量进行研究,总结了地震波样本能量的分布和变化情况．     

Hilbert-Huang 变换在爆破震动信号分析中的应用

介绍了Hilbert-Huang变换(HHT)法的原理、内容和优越性, 并用仿真信号进行实例分析, 以验证其关键技术经验模态分解(EMD)的高效性、自适应性, 以及其时频图能定量地描述时间与瞬时频率的关系. 用HHT法对爆破震动信号进行分析与处理. 研究结果表明: EMD能很好地按不同的时间尺度对信号进行分解, 分解后的固有模态函数能反映信号本身所固有的特性;能将Hilbert能量谱中的信号能量清晰地表示在时间-频率-能量的分布图上;HHT法能有效地提取爆破震动信号的时频特征;HHT法比小波分析更具适应性, 为爆破震动信号的分析与处理提供了新的研究思路与方向.     

基于局部多项式回归的EMD端点效应抑制

Hilbert-Huang变换(Hilbert-Huang transform,HHT)这种完全由数据驱动的自适应时频数据分析算法已经在多个领域得到了广泛推广和应用.但是HHT的核心部分经验模态分解(empirical mode decomposition,EMD)被端点效应问题所困扰.这里结合局部多项式回归,利用局部少量数据在极值序列两端各拓展一个极值点,从而抑制EMD的端点效应.模拟实验结果表明,该算法能够有效抑制端点效应,且数据要求不高,运行速度较快.     

HHT技术在结构健康监测中的应用

Hilbert-Huang Transform(HHT)是一种新型的信号处理方法,主要适用于非线性、非平稳信号的分析,其应用已经越来越广泛。本文将此方法应用在复合材料板的损伤检测实验中。在复合材料板损伤前和损伤后各采集一组信号,对其进行HHT分析。根据得到的Hilbert谱,读出结构中的损伤信息。实验结果显示,应用HHT技术可以较好的进行复合材料板上的结构健康监测。     

基于EEMD-HHT边际谱的轴承故障诊断

提出一种基于聚合经验模态分解 (ensemble empirical mode decomposition,EEMD)和Hilbert-Huang变换（HHT）边际谱的滚动轴承故障诊断方法。首先采用EEMD方法将轴承振动信号分解成若干个模态混叠得到较好抑制的固有模态函数（IMFs）,然后对各IMF进行Hilbert变换,求出轴承振动信号的总HHT边际谱,最后根据该边际谱的幅值特性,确定滚动轴承的故障特征。本文方法提供了一种滚动轴承故障诊断的有效工具。     

一种环境激励下斜拉桥模型损伤识别方法

虚拟脉冲响应函数可表征环境激励下结构系统固有的动力特性,但桥梁试验模型空间变异的模糊性和测量过程中环境激励的随机性,使得虚拟脉冲响应函数同时具有随机不确定性和模糊不确定性,适用于随机-模糊统计原理处理.而Hilbert-Huang变换(HHT)是一种新的适用于非线性、非平稳信号且具有自适应性的数据处理方法.提出了基于HHT与虚拟脉冲响应函数随机模糊均值的结构损伤识别方法,并将4个Hilbert边际谱能量指标应用到室内斜拉桥模型的损伤识别中.结果表明:主梁损伤前后4种能量指标都发生了变化,且体现出相似的规律性,准确指示了较大程度损伤的损伤位置和程度,为大型桥梁结构在线监测提供了一种方法.     

基于高斯过程的改进经验模态分解及应用

传统Hilbert-Huang变换(HHT)的经验模态分解算法是基于3次样条插值的包络线计算方法,存在过冲及边界效应等缺点.针对传统经验模态分解算法求解包络线存在的问题,提出了基于高斯过程回归的改进包络线插值方法.并且讨论了如何优化高斯过程参数,提高了泛化能力及包络线的插值精度,较好地改进了HHT的虚假频率和端点效应问...