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.     

基于希尔伯特-黄变换和EMD消噪的电压闪变信号检测

针对日渐增多的电压闪变现象,提出了基于希尔伯特-黄变换(HHT)与EMD消噪的电压闪变检测新方法.首先采用希尔伯特-黄变换(HHT)提取电压闪变信号的包络,然后利用经验模态分解(EMD)消除包络信号中的噪声,最后采用经验模态分解(EMD)对消噪后包络信号进行分解,提取调幅波的特征信息.仿真的结果表明,该方法能够准确检测出非平稳电压闪变信号的时间、幅值、频率,对不同形式的电压闪变有着良好的适应性.     

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Hilbert-Huang变换的室内地磁信号处理分析

提出一种利用Hilbert-Huang变换(HHT)处理分析室内地磁信号的方法。介绍HHT原理与方法,设计出一种室内地磁信号采集平台,对实际测量的室内地磁信号进行经验模态分解(EMD),并对分解后的固有模态函数(IMF)进行频谱和时频剖析,最后将经过HHT处理的原始信号进行重组。结果表明,HHT能用于描述复杂的室内地磁信号的非线性时变特征,为室内地磁信号的处理分析提供一种可行的方法。     

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.     

基于经验模态分解的局域网络入侵检测算法

通过对局域网络入侵的准确检测可以保障网络安全,由于局域网网络入侵信号具有瞬时频率特性,采用传统的时频分析方法难以实现有效检测,出现检测不准确的问题.为此提出基于经验模态分解的局域网络入侵检测算法,分析网络攻击的防护原理和DOS攻击对网络的危害,对信号处理方法进行检测方法设计.卡尔曼滤波方法对DOS入侵信号进行前置滤波,去除入侵信号的EMD虚假分量,采用小波阈值去噪方法进行信号提纯,采用经验模特分解方法,使得DOS入侵信号特征与干扰组成成分最佳匹配,提取HHT频谱实现对入侵信号的准确检测.仿真结果表明,采用该检测方法进行局域网入侵检测,精度较高,抗干扰性强,检测性能优于传统算法.     

基于内禀尺度分量的自适应时频分析方法

在定义一种瞬时频率具有物理意义的单分量信号一内禀尺度分量(简称ISC)的基础上,提出一种新的信号自适应时频分析方法-局部特征尺度分解方法(简称LCD).LCD方法可以自适应地将任意一个复杂信号分解为若干个瞬时频率具有物理意义的ISC分量之和.对LCD方法的基本理论进行研究,分别采用LCD方法和经验模态分解(简称EMD)方法对仿真信号进行分析,对比结果表明:LCD方法的有效性及在端点效应、计算时间等方面都优于EMD方法,并且把LCD方法应用于齿轮的实验振动信号分析,LCD方法可以有效地应用于齿轮故障诊断.     

经验模式分解在发动机故障特征提取中的应用

针对中高速工况发动机瞬时转速信号波形杂乱、故障特征提取困难的问题,基于经验模式分解(EMD)分析瞬时转速信号、提取故障特征的方法,采用一种"筛"算法,逐次分离具有不同特征时间尺度的信号成分,从揭示信号中内嵌的不同频率的振荡模式;测试了汽油机中速和低速、正常和失火故障时的瞬时转速信号,并进行了EMD分析。结果表明:经验模式分解能够有效地分离发动机中高速工况时瞬时转速信号中存在的高频转速波动,得到经提纯的反映各缸燃爆工况的瞬时转速,从而有效地提取发动机失火故障特征。该方法可以作为发动机故障人工智能诊断的前处理步骤,具有一定的工程应用价值。     

一种新的时频分析方法——局部特征尺度分解

在定义瞬时频率具有物理意义的内禀尺度分量(Intrinsic scale component,ISC)的基础上,提出了一种新的自适应时频分析方法——局部特征尺度分解(Local charac-teristic-scale decomposition,LCD),该方法可以自适应地将一个复杂信号分解为若干个ISC分量之和.分别采用LCD方法和经验模态分解(Empirical mode decomposition,EMD)方法对仿真信号进行了分析,分析结果表明:2种方法都可以有效地对信号进行分解,但LCD方法在计算效率和抑制端点效应等方面要优于EMD方法.此外,还将LCD方法应用于滚动轴承故障诊断,实验信号的分析结果进一步表明了该方法的有效性.     

HHT在齿轮故障诊断问题中的应用

齿轮作为一种重要的机械传动设备,对其进行故障诊断具有重要意义。传统的齿轮故障诊断大都采用FFT或者小波分析方法,对处理具有非平稳性的齿轮故障信号效果不太明显。HHT由经验模态分解方法(EMD)和Hilbert变换两步组成。经验模态分解方法(EMD)把时间序列信号分解成不同特征时间尺度的固有模态函数(IMF),适合处理非线性和非平稳过程。Hilbert变换对具有调制现象的信号的分析有很大优势。介绍了该方法的基本原理,并将HHT应用于齿轮断齿故障诊断,齿轮故障实验信号的研究结果表明:基于HHT的分析方法,能有效地诊断齿轮的故障。     

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.     

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。     

基于二维HHT的隧道超前探测图像识别与检测

为有效分析隧道超前探测图像以避免灾害的发生,研究应用二维希尔伯特—黄变换(二维HHT)进行隧道超前探测图像的识别与检测。应用二维经验模态分解(BEMD)方法将隧道超前探测图像分解为不同频率的本征模态函数图(IMF)分量,去除含噪声的高频分量,得到重构后的新图像;再对新图像进行Hilbert变换,进而进行复信号分析,并求取图像的瞬时参数,突出图像特征。研究表明:二维HHT方法能较好地去除图像的噪声部分,并结合复信号分析所到的瞬时参数图,突出超前探测图像的异常体特征。     

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...     

基于改进的 STU KF 电压暂降检测方法

为了准确检测电压暂降,提出一种基于改进的强跟踪无迹卡尔曼滤波(STUKF)的电压暂降检测方法.该方法在建立的电压信号状态模型基础上,利用改进的STUKF对发生暂降的电压信号状态进行跟踪,从而实时提取出电压的幅值和相位信息.仿真结果和实际数据检测表明,所提方法能够有效地检测电压暂降的幅值、持续时间和相位跳变.与传统的STUKF相比,改进的STUKF跟踪精度更高、鲁棒性更强.     

改进Hilbert-Huang变换的滚动轴承故障诊断

以自适应噪声完备集合经验模态分解(CEEMDAN)为基础,提出了一种改进的Hilbert-Huang变换(HHT)时频分析法。对滚动轴承振动信号进行CEEMDAN获得一组本征模态函数(IMF)。通过自动提取敏感IMF算法,筛选特征敏感IMF分量,计算特征敏感IMF分量的Hilbert包络谱和HHT二维时频谱,提取故障特征频率信息。研究结果表明:CEEMDAN算法有效降低了模态混叠,比经验模态分解(EMD)算法和集合经验模态分解(EEMD)算法具有优越性。将改进的HHT与自动提取敏感IMF算法相结合,可以有效分解信号的特征信息,筛选出含有故障特征信息的敏感IMF,剔除背景噪声和无故障IMF的干扰,有效提取轴承振动的故障特征频率,诊断出轴承故障的发生部位。     

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。     

电压暂降的改进S变换分析与分类

提出了一种采用改进S变换(MST)检测和识别电压暂降的方法.推导了白噪声在S变换和MST下的平均功率谱,证明了改进S变换对噪声具有抑制作用.分析了改进S变换中可变参数的选择思想,给出了MST提取暂降幅值、暂降时刻和相位的方法.利用MST变换分析短路故障、感应电机启动和变压器空载激磁3种扰动源引起的电压暂降信号,并提取6...     

激光雷达回波信号的EMD处理

对一列时间序列数据进行经验模式分解（Empirical Mode Decomposition：EMD）,然后对各个分量做希尔伯特变换的信号处理方法,称之为希尔伯特黄变换（Hilbert-Huang Transformation,HHT）。该方法既能对线性稳态信号进行分析,又能对非线性非稳态信号进行分析。本论文将使用EMD方法对激光雷达回波信号进行分析。