基于HHT的电力系统谐波分析

鉴于现有电力系统谐波检测与分析方法的不足,用希尔伯特-黄变换(HHT)进行谐波分析.该方法由两部分组成.首先对谐波信号作经验模态(EMD)分解,得到满足一定条件的固有模态信号(IMF),然后用希尔伯特变换求其瞬时频率和瞬时幅值.该方法适用于非线性非平稳信号的分析,具有概念清晰、计算简单的优点.仿真研究表明,用HHT方法进行电力系统谐波分析是可行的,与傅立叶变换和小波变换等现有方法比较,有很多独特的优点.     

基于希尔伯特-黄变换的船舶声信号特征提取

将希尔伯特-黄变换(HHT)用于船舶声信号特征提取中,利用HHT对实录船舶辐射噪声进行特征提取后,利用神经网络进行分类.研究表明希尔伯特-黄变换方法对于信号的时频特性具有较高的分辨能力,适用于水声非平稳信号的分析.与传统时频分析方法相比具有很强的自适应特性和较好的时频聚集性,时频分辨力高于小波变换.结果表明对于船舶声信号识别,希尔伯特-黄变换方法是一种有效的特征提取方法.     

基于希尔伯特-黄变换的信号处理方法

常用的信号处理方法对于非平稳信号处理效果不佳。1998年,N.E.Huang等研究出了一种新方法——希尔伯特黄变换(HHT)。这种方法要建立在经验模式分解(EMD)的基础上,通过分解获得信号的一种本征模函数(IMF),再根据本征模函数进行HHT。文中主要介绍了希尔伯特-黄变换方法的基本原理,并应用在铝电解阳极效应检测中。     

基于变分模态分解和希尔伯特变换的转子非平稳信号故障特征识别

为了提升传统希尔伯特黄变换在处理复杂非平稳信号时的时频分析能力,本文将变分模态分解和希尔伯特变换进行结合,提出了一种时频分析方法变分模态分解和希尔伯特变换。此外,为了对变分模态分解的模态数进行自动调整,还提出了一种基于相关系数的希尔伯特黄变换参数优化方法,有效避免了由于希尔伯特黄变换模态数设置不合理而导致的信号分解不足和分解过剩的问题。利用转子故障信号对变分模态分解和希尔伯特变换方法的时频分析能力进行了验证,并且与传统希尔伯特黄变换的对比突出了该方法在处理非平稳信号中的优势。     

基于Hilbert-Huang变换理论的语音增强初探

希尔伯特-黄变换是新发展起来强有力的非线性、非稳态信号处理方法．它从信号自身出发自适应地产生具有物理意义的基函数,而不是人为地设定变换的基函数．该文将这一全新的方法应用到语音信号处理．希尔伯特-黄变换基于信号的局部特征时间尺度,能把复杂的信号分解为有限的内在模态函数之和,这种自适应的分解方法非常适于非线性和非平稳过程的分析．实验表明,希尔伯特-黄变换适于语音信号处理,有广阔地应用前景．结合小波变换的分析表明,该方法在语音去噪方面优于小波变换．     

扬声器非线性特性的Hilbert-Huang变换分析

为研究扬声器的非线性特性和形成机理,提出一种基于Hilbert-Huang变换(HHT)的扬声器非线性特性分析方法.该方法通过对扬声器纸盆位移信号进行经验模态分解(EMD)得到内禀模态函数(IMF),计算出IMF函数的瞬时频率.用瞬时频率的变化表示纸盆位移信号波内频率调制的非线性现象,直接反映出与扬声器结构相关联的非线性特性.仿真和实际扬声器实验结果表明,用HHT瞬时频率表示扬声器非线性的方法与传统的傅立叶谐波方法相比,能更确切地说明产生非线性的原因,给扬声器非线性的改善与补偿提供了依据.     

基于改进EMD算法的跳频信号参数估计

针对短时傅立叶变换时频分辨率不能同时很高,小波变换运算时间偏长,抗噪性差,Wigner-Ville变换及其改进方法受交叉项影响等问题,提出了一种基于希尔伯特-黄(HHT,Hilbert-Huang Transformation)算法的跳频信号参数估计.该方法的分解是自适应的,计算出的瞬时频率有很高的时间分辨率和较高频率分辨率.对于HHT算法中出现的虚假分量和端点效应问题,通过互相关方法来消除虚假分量,镜像闭合延拓方法去除端点效应.仿真结果表明该方法能很好解决上述两个问题.     

基于CEEMDAN-Hilbert-CNN的滚动轴承故障诊断

在故障诊断方面,针对希尔伯特黄变换信号分解存在模态混叠和人工神经网络面对高维数据收敛性差、特征分类误差大等问题,提出一种改进的希尔伯特黄变换与卷积神经网络相结合的滚动轴承故障诊断的新方法:将希尔伯特黄变换的经验模态分解替换为自适应白噪声的完整经验模态分解,并与卷积神经网络相结合。提出的滚动轴承故障诊断新方法进行故障诊断过程:首先应用改进的希尔伯特黄变换对数据进行处理得到一个瞬时频率矩阵,然后将瞬时频率矩阵进行重构,最后搭建卷积神经网络,将重构数据输入卷积神经网络进行分类。经反复实验并与已有方法进行比较,可验证所提出的方法是合理且行之有效的。     

希尔伯特-黄变换方法的改进

希尔伯特-黄变换(Hilbert-Huang Transform,简称HHT)方法是一种自适应性信号处理方法,在处理非线性、非稳态信号方面有很大优势。但HHT分解复杂信号时存在求解结果精确不高、计算时间长等不足。针对HHT的边端效应、越界问题、停止准则和虚假低频成分过滤等问题,文章提出了相应的改进方法。为有效抑制边端效应,人为定义两个极值点,然后连接相邻极值点形成直线后平行延拓。利用信号与包络线的极限差值多次拟合包络线,初步解决了越界问题。根据虚假成分与原始信号的相关系数远小于真实信号与原始信号的相关系数,成功过滤掉虚假成分。数值算例的结果表明了所提方法的有效性。     

希尔伯特-黄变换高压直流输电线路行波保护

利用希尔伯特-黄变换法(HHT变换)对高压直流输电线路故障暂态电压信号进行了分析处理.根据线路暂态电压信号的Hilbert能量值的大小来判断是否发生故障。     

Hilbert变换与小波变换在探地雷达资料处理中的应用

希尔伯特（Hilbert）变换与小波变换是广泛运用于数字信号处理中的基本重要变换,希尔伯特变换能有效提取复杂信号中的＂三瞬属性＂,即瞬时振幅、瞬时相位、瞬时频率,基于小波多尺度分析可以进行信号奇异性检测。本文尝试将希尔伯特变换与小波变换配合使用,在瞬时相位的基础上进行小波分析,将此处理方法应用于探地雷达数据处理中,并给出了相应的处理实例,应用效果令人满意。     

基于HHT变换和近似熵的管道泄漏检测方法

为了提高供水管泄漏检测准确率,提出一种基于希尔伯特黄变换(Hilbert-Huang Transform, HHT)与近似熵的管道泄漏检测方法。首先,对泄漏信号进行HHT处理,得到信号的Hilbert边际谱,从频率上将泄漏信号和噪声信号区分开;然后,将泄漏信号的Hilbert边际谱作为输入对象,求解有效频段内的近似熵,并将近似熵作为泄漏检测的判决对象。实验结果表明,提出方法的泄漏检测准确率达95%以上。     

基于HHT变换和近似熵的管道泄漏检测方法

为了提高供水管泄漏检测准确率,提出一种基于希尔伯特黄变换(Hilbert-Huang Transform, HHT)与近似熵的管道泄漏检测方法。首先,对泄漏信号进行HHT处理,得到信号的Hilbert边际谱,从频率上将泄漏信号和噪声信号区分开;然后,将泄漏信号的Hilbert边际谱作为输入对象,求解有效频段内的近似熵,并将近似熵作为泄漏检测的判决对象。实验结果表明,提出方法的泄漏检测准确率达95%以上。     

联合采用高通低通滤波与Hilbert-黄变换的非线性信号分析

经验模态分解方法无法分离2倍频内信号分量而可能导致模态混叠,这是应用著名的Hilbert-黄变换(Hilbert-Huang Transform,HHT)分析非线性信号时无法回避的问题,而消除模态混叠对于准确分析非线性信号具有重要意义。在此背景下,提出了一种联合采用高通低通滤波与Hilbert-黄变换的非线性信号分析方法,以解决这一问题。首先,提出了基于HHT瞬时频率的、用于判断是否发生模态混叠的指标;在此基础上为解决常规经验模态分析方法无法分解2倍频内信号的问题,采用傅里叶变换分析存在模态混叠的信号,并通过高通低通滤波将2倍频内的信号分离。之后,对经过滤波后的信号进行经验模态分解,并与之前未发生模态混叠的分量整合,得到原始信号完整的本征模态函数分量,进而计算得到各分量的瞬时频率和瞬时幅值。最后,用算例说明了所提方法的基本特征。     

改进希尔伯特黄变换理论在配电网故障选线中的应用与研究

将一种新的非线性、非平稳信号处理方法-改进HHT(Hilbert-Huang Transform)方法应用于配电网故障选线中.改进HHT方法可以从非平稳的故障信号中准确地提取丰富的系统故障暂态信息.通过对故障后各线路零序电流特征分析,进而利用HHT提取零序电流高频分量幅值、频率和相位等信息,比较幅值和相位实现正确选线....     

希尔伯特-黄变换在公路桥梁结构健康检测中的应用研究

对正常运营的公路桥梁结构的变形监测是评估桥梁健康状况的一项重要内容.希尔伯特-黄变换(HHT)作为处理非稳定和非线性信号的方法,可以提取正常运营公路桥梁的自振频率、阻尼比,核心算法经验模态分解(EMD)可以对动态变形数据进行去噪处理.该方法应用于桥梁健康监测既有不影响交通:数据采集方便等优势,同时可以去除噪声对监测数据的影响,并能全方位对桥梁健康状况进行分析.根据监测实例分析表明该方法适用于公路桥梁健康状况监测,为今后桥梁健康监测提供一种新的研究方法.     

基于LMD法的电力系统暂态扰动检测技术研究

为了实现电力系统暂态扰动信号的精确识别,针对暂态扰动信号的非线性、不规则性和突变性特点,采用局部均值分解(local mean decomposition,LMD)法检测电力系统暂态扰动;并用LMD法分析了电压暂降、电压暂升、电压中断、振荡暂态、脉冲暂态、频率偏移、谐波加电压暂升信号以及某智能变电站采集的实际扰动信号等典型扰动;同时与希尔伯特-黄变换(HHT)法的分析结果进行比较.研究结果表明:用LMD法检测电力系统的暂态扰动信号是有效的,且在定位精度、运算速度方面比HHT法更具优越性.     

经验模态分解(EMD)中边界处理的新方法

在深入研究和分析希尔伯特-黄变换(HHT)方法的基础上,对信号提出了半周期半对称延拓算法,并以此来处理经验模态分解中存在的边界误差问题.通过信号模拟试验,并与EMD方法的结果作比较,检验了该方法的有效性和精度.     

基于HHT的电能质量多扰动信号检测方法

传统的时频分析方法在处理复杂故障信号时存在一定的局限性,无法满足电力系统发生故障和复杂扰动时的电力信号实时分析的需求。提出基于Hilbert-Huang变换(HHT)的电能质量暂态多扰动信号分析方法,先利用经验模态分解得到电能信号的固有模态函数,再对固有模态函数进行HHT变换,准确刻画电能扰动信号的时间、幅值与频率。Matlab仿真分析结果表明,该方法可有效确定干扰信号的类型、持续时间以及瞬时频率和幅值,方法简便,分析精度高,具有一定的工程实用价值。     

基于HHT的矢量传感器瞬态信号方位估计

针对瞬态信号存在时间短、变化快,传统的信号处理方法很难对其进行方位估计的问题,将希尔伯特-黄变换与矢量信号处理相结合应用到水声领域,提出了矢量希尔伯特-黄变换的方法.利用希尔伯特-黄变换获取信号的瞬态信息,结合矢量信号处理宽带方位估计提出了矢量瞬时方位估计的概念,在此基础上发展了矢量希尔伯特-黄变换水声应用的理论框架.海试表明新理论在瞬态信号处理和单矢量传感器目标方位估计方面,其性能比常规方法有了明显的提高.