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.     

算子空间的自反性

证明了具有性质Ｃσ的σ－弱闭的算子空间是遗传自反的文（１）中的主要结果是其特殊情形。     

基于经验模式分解的希尔伯特变换包络提取在机械故障诊断中的应用

本文采用经验模式分解（EMI）提取信号的内在模函数（IMF），并利用希尔伯特变换对所得IMF进行包络分析，提取机械故障特征。与直接对原信号进行包络分析相比较，该方法提取的机械故障特征更明显，数值模拟和对故障轴承振动信号分析表明了该方法的有效性。     

希尔伯特变换器优化设计研究

提出了一种基于神经网络算法的希尔伯特变换器优化设计方法，证明了神经网络算法的收敛性，提出了希尔伯特变换器的优化设计实例。仿真结果表明了该网络模型是高效的神经网络模型。     

关于P（Δ）的强端点的性质

本文首先引进了单位园Δ上算子值解析函数族：Ｐ（Δ）＝｛ｆ（Ｚ），ｆ（Ｚ）＝Ｉ＋Ｂ（１）Ｚ＋Ｂ（２）Ｚ＾２＋…在Δ内解析，且Ｒｅｆ（Ｚ）〉０，Ｂ（ｎ）为Ｈｉｌｂｅｒｔ空间Ｈ上的正规算子，ｎ＝１，２…｝的强端点的概念，然后指出Ｐ（Δ）中形如Ｉ＋Ｂ（ｎ）Ｚ＾ｎ＋Ｂ（ｎ＋１）Ｚ＾ｎ＋１＋…的元素成为Ｐ（Δ）的一个强端点的必要条件为Ｂ（ｎ）不是自伴可逆算子。     

齿轮故障诊断中振动信号的提纯和重构

在分析了齿轮振动产生机理和振动信号频谱特征的基础上 ,提出了齿轮振动信号提纯和重构的诊断分析方法 .与传统的窄带滤波相比 ,该方法可识别出齿轮啮合副中有故障的齿轮 .由于消除了 2个齿轮间的相互干扰 ,由该方法提纯重构信号的幅值包络、相位信息和瞬态频率 ,能更准确地反映出齿轮的故障 .     

信号分析中的正交变换

信号分析的主要目的是寻找一种简单有效的信号变换方法，以便突出信号中的重要特性、简化运算的复杂程度，其中希尔伯特(Hibert)空间中的正交变换得到了广泛的应用。投影定理在平稳时间序列的预报及函数逼近研究中起着重要的作用。本文从数学分析的角度推证了正交变换与投影定理的内在联系，通过信号分析中典型正交变换的应用进行了验证，从而揭示了正交变换的内在本质。     

一类CSL代数的插值问题

设Ｌ为Ｈｉｂｅｒｔ空产是Ｈ中的子空间格。给定Ｘ，Ｙ∈Ｂ（Ｘ），何时必有算子Ａ∈ａｌｇＬ，使得ＡＸ＝Ｙ？本文在一类ＣＳＬ代数中讨论该问题。本文推广了「５」和「７」中的一些结果，并有新的结论。     

关于K—可换性与K—正规性

本文证明了对实自共轭迹类算子有Ｔｒ（（ＡＢ）＾２＾ｎ）≤Ｔｒ（Ａ＾２＾ｎ，Ｂ＾２＾ｎ），即Ｋ＝２＾ｎ情形下的Ｈｉｌｂｅｒｔ空间中Ｂｅｌｌｍａｎ不等式；定义了Ｋ－换位子，讨论其若干性质；并给出Ｔｒ（（ＡＡ）＾２＝Ｔｒ（Ａ＾２Ａ）＾２的充要条件，等价定义了正常迹类算子。     

希尔伯特变换在扭振测量中的应用

使用希尔伯特变换,对与轴系相连接的增量编码器所检测到的旋转编码脉冲进行解调处理,在不改变系统组成的基础上,实现旋转机械系统在线监测与故障诊断。研究了一种基于希尔伯特变换的高分辨率扭转振动测量方法及相应的脉冲调制解调,讨论了该方法的工作原理和现实中的具体方法和使用中存在的一些问题。通过试验,证明了使用该方法可以获得轴系扭转振动信号。将希尔伯特变换解调与Labview相结合可以建立扭转振动在线实时监控系统。