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．     

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。     

应用FRFT的矢量水听器阵方位估计

采用FRFT方法研究矢量水听器阵的宽带信号多目标方位估计问题.进行了与FRFT的二维矢量水听器线阵方位估计算法相结合的理论推导与仿真实验.研究证明,采用二维矢量水听器阵可以实现全空间无模糊定向,该方法在处理多源信号时可以避免交叉项的干扰,对于宽带信号的处理,不需要进行频率搜索或频率聚焦变换就可以进行方位估计.该方法在信噪比不低于-10 dB时都具有较好的估计精度.     

超声导波无损检测中的信号处理研究进展

针对信号处理在超声导波检测正问题与逆问题中的不同作用,对若干常用信号处理方法,包括时频分析、小波变换、相关分析法等进行了综述;对希尔伯特-黄变换等方法进行了介绍,表明信号处理在提高信号的可读性、提高缺陷的检测与识别能力、表征被检对象的性能属性等方面具有重要作用．     

应用希尔伯特黄变换的水下目标特征提取

针对传统时频分析方法的水下目标特征提取各有其局限,采用了希尔伯特黄变换方法用于水下目标特征提取.仿真与实验数据的处理结果表明,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,希尔伯特边际谱能够清晰的突出目标弹性成分;希尔伯特谱能有效地展现目标的亮点结构,时频分辨力高于小波变换.研究表明混响具有与目标信号明显不同的希尔伯特谱特征,希尔伯特谱可以有效抑制混响.结果表明希尔伯特黄变换方法是一种有效的水下目标特征提取方法.     

基于改进希尔伯特-黄变换的电力系统谐波检测方法

由于电力系统谐波谐振点检测结果存在较大噪声,导致谐波检测精准度较低,由此提出了基于改进希尔伯特-黄变换的电力系统谐波检测方法.通过希尔伯特-黄变换建立相应的解析信号,并分解模态,使信号呈局部对称形式,获取瞬时变化频率和幅度.经过模态分解后,检测谐波参数,将特征值的倒数定义为模态阻抗,获取最小特征值,以该点为电力系统谐振点,采用希尔伯特-黄变换方法,从间接谐波次数开始逐渐递增,得到最大模态阻抗图,从图中获取最大模态阻抗的峰值,也就是谐波谐振点.设计谐振点检测流程,并进行去噪处理,在改进希尔伯特-黄变换方法支持下,获取真实信息,完成电力系统谐波检测.由仿真实验结果可知,该方法在有无噪声环境下,都具有较高检测精准度,保证电力系统的稳定运行.     

高阶声场传感器阵列超分辨方位估计方法研究

为了提高水声阵列在尺度受限情况下的方位估计性能,本文提出利用高阶声场传感器组成新型阵列的思路。高阶声场传感器基于相位模态理论,通过圆环孔径上多个声压传感器的接收信号提取高阶信息,从而以更简单易实现的物理结构获得与矢量传感器相似的多维信号结构,在此基础上构建高阶声场传感器阵列的信号模型,利用MUSIC方法进行超分辨方位估计性能的仿真分析,发现高阶声场传感器阵列能够获得比相同条件下矢量传感器阵列更好的方位估计精度和分辨能力。     

矢量阵自适应零陷强干扰抑制目标方位估计方法

针对方位范围未知的远场强干扰背景下声呐弱目标信号的检测与方位估计问题，本文提出了将自适应空域矩阵滤波技术、矢量信号处理技术及平面波方位估计技术结合的方法。通过最小化滤波后矢量阵信号输出功率以及约束滤波器通、阻带响应，产生自适应零陷干扰抑制效果，并利用二阶锥凸优化的方法首次求解得到了矢量阵自适应空域滤波器。仿真及试验结果表明：矢量阵自适应空域滤波器空域特性相比声压阵自适应空域滤波器更优，矢量阵数据自适应预滤波后再进行方位估计，方位未知的远场强干扰能够被更有效地自适应抑制，进而能够提升矢量线列阵声呐远程弱目标被动探测性能。     

Hilbert_Huang变换在非协作无源定位频率估计中的应用

为了克服小波变换中定量时频分析的困难以及自适应性较差的缺点,作者将希尔伯特-黄变换用于某航天基金课题中,解决了非合作源无源定位技术中频率估计要求精度高的难题.仿真结果表明该方法对于混有高斯复圆白噪声的正弦信号测量频率精度极高,且抗噪性能强.在信噪比SNR≥5 dB条件下,对于定位技术中所用调制信号,其频率估计精度能够满足课题的需要.     

Hilbert-Huang变换应用中的预处理方法研究

为提高Hilbert-Huang变换（HHT）中瞬时频率计算的真实性和稳定性，提出了一种信号的预处理方法.该方法首先对信号作傅里叶变换，然后根据插值点数作补零处理，再进行傅里叶反变换，完成傅里叶插值功能.对傅里叶插值处理后的信号作经验模态分解（EMD）得到一组固有模态函数（IMF），计算所有IMF的瞬时频率和幅值，最终获得信号时频分布的Hilbert谱.结果表明，该傅里叶插值的预处理方法能够有效消除和抑制HHT分析中的瞬时频率波动和虚假成分产生，增强了瞬时频率的准确性，提高了HHT方法的信号分析频率，该方法能有效应用于实际信号处理的HHT时频分析中.     

地震动的Hilbert-Huang变换与传统分析方法比较

地震动是一种典型的时序非平稳信号,采用Hilbert-Huang变换（HHT）对其进行分析较传统分析方法有着天然的优越性。文章在介绍HHT基本原理的基础上,比较了HHT与Fourier变换在适用条件、时间分辨率和谱分析结果上的差异,以及HHT与小波变换在基底、重构误差、时频分辨率和谱分析结果上的不同。分析结果表明,HHT是对以Fourier变换为基础的线性和稳态谱分析的一个重大突破,它较传统的信号分析方法更加适合地震动的处理与分析。     

An HHT-based method to eliminate short-time strong disturbance from measured signals of bridge

According to the characteristic that Hilbert-Huang transform (HHT) can detect abnormity in signals, an HHT-based method to eliminate short-time strong disturbance was proposed. The signal with short-time strong disturbance was decomposed into a series of intrinsic mode functions (IMFs) and a residue by the empirical mode decomposition (EMD). The instantaneous amplitudes and frequencies of each IMF were calculated. And at abnormal section, instantaneous amplitudes and frequencies were fitted according to the data at normal section, replacing the fitted data for the original ones. A new set of IMFs was reconstructed by using the processed instantaneous amplitudes and frequencies. For the residue, abnormal fluctuations could be directly eliminated. And a new signal with the short-time strong disturbance eliminated was reconstructed by superposing all the new IMFs and the residue. The numerical simulation shows that there is a good correlation between the reconstructed signal and the undisturbed signal. The correlation coefficient is equal to 0.999 1. The processing results of the measured strain signal of a bridge with short-time strong disturbance verify the practicability of the method.     

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.     

经验模态分解在相关峰检测和测向中的应用

互相关测向法在低信噪比时检测不到相关峰,无法实现有效的方位估计.经验模态分解可以在突出信号局部特征的基础上,把信号分解成多个固有模态函数.采取对互相关函数进行经验模态分解,适当选取分解出的IMF重构互相关函数.重构的互相关函数有明显的相关峰,可以有效地提高检测目标的能力.将经验模态分解与互相关测向法相结合,可以实现低信噪比下的时延估计,从而更好地估计目标的方位.仿真结果表明重构的互相关函数较原互相关函数,其相关峰较最高伪峰的相对值提高了约4.9 dB,从而可以更好地实现时延估计.方位估计结果显示此方法在信噪比为-14 dB时,仍能准确地估计目标的方位.     

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HHT算法及在心音信号分析中的应用

HHT(Hilbert-Huang Transform)是一种具有自适应性的、新型的、基于模态分解的时间序列数据处理方法。心音信号是一种典型的非平稳信号,传统信号处理方法来处理心音信号有一定的局限性。为了研究心脏的动力学特征,将HHT算法引入到心音的信号分析中。提出了一种改进的HHT算法,针对仿真信号进行了分析,验证改进的算法可以正确地提取出信号中的各个分量IMF(Intrinsic Mode Function);使用该算法对一例正常心音信号进行分解处理,表明该算法能按不同的时间尺度对心音信号信号进行分解     

二次判决的融合系统在说话人识别中的应用

用希尔伯特-黄变换(HHT)对语音信号进行处理,由此提取语音特征参数.针对单一说话人识别方法的局限性,基于VQ分类器的工作原理,以缩小类集合规模为出发点,结合信息融合理论提出了基于串联方式的二次判决融合系统.实验表明,该融合系统较独立MFCC(Mel Frequency Cepstrum Coefficient)判决系统有更好的识别效果.     

一种基于样条插值的经验模态分解改进算法

经验模态分解过程中经常由于信号采样率不足而产生伪固有模式函数(IMF),希尔伯特变换中也常出现无物理意义的负瞬时频率,就这两个问题进行研究后认为,HHT谱中产生负频率的主要原因是由于经验模态分解结果中的伪IMF所造成的,而伪IMF产生的原因主要是信号采样率不足引起的,并提出以HHT谱是否稳定来判断IMF的真伪。还针对信号采样率不足这一问题,提出了一种应用三次平滑样条拟合插值来加密信号采样点,进行信号重构的方法,算例表明:该重构方法可以有效消除分解过程中由于信号采样率不足而引起的包络线失真,从而可有效消除分解结果中的伪固有模式函数和HHT谱中的负频率。