采用改进的希尔伯特黄变换的损伤检测特征提取方法

针对损伤检测中存在的难以提取准确描述损伤信息特征的问题,提出了一种基于改进的希尔伯特黄变换的有效特征选择方法。该方法首先对信号进行小波包分解和重构,得到一系列窄带信号,然后对其分别做经验模式分解得到若干个固有模式函数,基于互信息量筛选出真实固有模式函数,并对真实固有模式函数分别做希尔伯特变换得到瞬时属性,最后根据瞬时属性提取相关的时频特征。在损伤检测应用中,采用前向反馈神经网络对提取的特征进行分类,结果表明,利用该方法提取的音频信号特征非常有效,综合分类性能指标F相比于原始的希尔伯特黄变换提高了7.7%。