EMD和小波变换在结构模态参数辨识中的应用

针对希尔伯特-黄变换方法在振动信号处理中不能有效地进行模态解耦的缺点,提出一种将经验模式分解和小波变换相结合的结构模态参数辨识方法．首先利用经验模式分解方法对结构响应信号进行分解,获得多个本征模函数以完成结构模态的筛选过程,并根据模态筛选得到的本征模函数进行信号重构;然后对重构信号进行Morlet小波变换和模态解耦,获得信号小波变换系数的瞬时幅值和瞬时相位拟合曲线,并在此基础上计算出结构的各阶模态频率、阻尼和振型．结果表明,利用小波变换对本征模函数的叠加信号进行参数辨识代替对单个本征模函数进行希尔伯特变换,更能有效地进行模态解耦,从而获得更为准确的结构模态参数信息．     

希尔伯特变换解调软件的设计

本文介绍利用希尔伯特变换原理设计信号解调软件.分析比较了实现离散希尔伯特变换的方法,提出了相位解调运算中相位补偿方法。该软件以各种计算机模拟调制信号为例进行分析,取得满意效果。     

希尔伯特——黄变换及其在混凝土无损检测中的应用

希尔伯特—黄变换(HHT)是处理非线性、非平稳信号的时频分析方法。将希尔伯特—黄变换方法用于工程勘察的资料处理与解释。HHT对非线性、非平稳信号的处理的基本步骤为:首先对工程勘察的资料进行多分辨经验模态分解和瞬时频率的求解,随后获得信号的时频谱,再利用提取的瞬时振幅、瞬时频率、瞬时相位信息来分析地下目标物(比如在混凝土损伤与地下溶洞等情况)。以三峡工程混凝土质量缺陷物探快速无损检测现场1∶1模型为例探讨了HHT方法的有效性。     

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．     

希尔伯特变换原理在扭转振动分析中应用的理论研究

希尔伯特变换（ＴｈｅＨｉｌｂｅｒｔＴｒａｎｓｆｏｒｍ）可将一个一维时域函数（广义上可以是任意域的）转换为唯一对应的一个二维时域解析函数．在一定条件下,这个解析函数的模和相角就代表了原时间函数的包络特性及相位特性,即实现了对信号的幅值和相位解调．当回转系统产生扭转振动或瞬时回转振荡时,所检测到的振动信号和回转编码脉冲会产生幅、相调制．利用希尔伯特变换技术对其进行解调,就能准确地分离出扭振及瞬时振荡的全过程．     

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.     

线性自适应小波理论的齿轮箱故障诊断方法

针对早期齿轮箱故障信息淹没在背景组分中的问题,提出了基于线性自适应小波理论的齿轮箱故障诊断方法.该方法基于希尔伯特变换(HT)和自适应小波变换(AWT),能从低频的调制振动信号中区分并识别不同程度的裂纹故障.首先用希尔伯特变换提取调制振动信号的包络值以显示调制频率.然后利用自适应小波变换来处理由希尔伯特变换得到的调制信号,其中在自适应小波处理希尔伯特变换后的调制信号的过程中利用粒子群算法(PSO)对过程参数进行优化.实验结果表明该自适应小波变换能通过过程优化小波找到匹配振动信号的啮合频率及其谐波、耦合频率、载波频率及其边频带,能够从调制信号中提取出特征参数,且具有较高的分辨率.     

基于小波变换的大地电磁信号去噪研究

大地电磁信号具有非线性、非平稳、非最小相位特征,是一种典型的非平稳随机信号,传统傅里叶变换来对其去噪效果不是很理想。小波变换具有良好的时域分析和多分辨分析特性,用来处理非平稳随机信号可以获得更多有价值的信息,因此小波变换成为大地电磁信号的有效的去噪处理方法之一。本文基于小波变换的理论研究,研究了它在大地电磁信号去噪处理中的应用。研究表明,在大地电磁信号去噪中小波变换对于各种噪声的压制是非常有效的。     

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。     

基于小波变换的内燃机瞬时转速信号的分析

使用非线性离散序列的小波变换(DTWT)对同时存在高频噪声和高斯白噪声的内燃机瞬时转速信号进行去噪．通过对此信号进行频谱分布的分析，用Donoho的阈值去噪法去除高斯白噪声之后，根据小波变换的多分辨率思想，提出了仅使用小波变换的尺度系数进行小波反变换来去除高频噪声，然后运用小波反变换来恢复内燃机瞬时转速信号的方法．实验结果表明，此方法能够较精确的去除噪声，恢复内燃机瞬时转速信号．     

基于CEEMDAN的希尔伯特变换在海底天然气水合物地震探测中的应用

当地层中填充了天然气水合物后,沉积物的一些物理性质会发生相应的改变,最终引起地震属性的变化,因此地震属性中包含了大量地质特征,是识别海底地层是否存在天然气水合物的一个重要标志.通常用来识别天然气水合物的瞬时振幅、相位、频率可以应用希尔伯特变换来获得,但单纯的希尔伯特变换获得的瞬时属性有效信息较少,为了获得更高的分辨率,...     

连续小波变换在焊接缺陷超声检测中的应用

本文研究连续小波变换方法在焊接结构超声无损检测信号处理中的应用，以压力容器的三种焊接缺陷为对象，对缺陷回波信号作连续小波变换，对小波变换尺度图采用与时间－尺度相平面相似的网格作区域平均特征提取，并对提取出的特征利用B－P型神经网络进行训练和分类，实验结果表明：连续小波变换在信号特征提取上具有优良特性。     

小波变换在地质雷达干扰波压制中的应用

小波变换方法是近年来发展起来的一种新的数学方法,具有强大的时频分析能力,并广泛地应用到信号处理的各个领域。本文首先简要地介绍了小波变换原理及去噪方法,然后通过阻尼震荡信号、一维地质雷达合成记录和二维地质雷达合成剖面等模型,用db4小波进行了三阶分解,然后根据干扰波的特征进行了小波去噪和干扰波压制,结果表明,小波多尺度分解后,随机噪声主要集中在较低阶的小波细节之中,用小波变换去噪方法,可有效去噪和压制干扰波。对实测的地质雷达资料也进行了处理,取得了较好效果。     

基于小波变换和矢量变换的数字水印技术

数字水印技术是数字产品产权保护的有效手段之一。根据小波变换和矢量变换的特点，利用人眼视觉特性，对原始静态图像的水印嵌入进行了研究，提出了一种水印嵌入算法，实现了在原始静态图像上嵌入二值图像水印，水印检测为恢复性检测。实验结果表明，该方法能很好地保持图像质量，并且在抗常规的信号处理如加噪、滤波及有损压缩方面表现出良好的稳健性。     

利用小波变换提取电力系统故障时刻的研究

在简要介绍小波理论的基础上，将小波变换应用于电力系统故障时刻的提取，并给出了220kV系统单相接地故障的MATLAB仿真实例，同时根据有效信号和随机噪声的小波变换呈现出不同的特征，探讨了小波分析用于微机继电保护时，尺度参数对小波变换的影响。     

基于小波理论的故障特征提取

在对齿轮进行故障诊断时,采样信号不可避免地受到各种噪声和干扰的污染,所测信号属于典型的非平稳信号.信号的降噪和特征提取是齿轮状态监测和故障诊断的关键环节.小波理论对于非平稳信号的处理非常有效.在MATLAB环境下,利用小波理论对减速器齿轮箱的采样数据进行去噪实验和分析,提取齿轮大周期故障的特征指标,为进一步进行故障诊断奠定基础.     

傅里叶变换与小波变换在信号故障诊断中的应用

研究了傅里叶变换与小波变换在信号故障诊断中的应用。仿真表明，小波变换在检测信号突变点方面比傅里叶变换优越得多，且利用小波变换可以精确地检测出信号突变的时间与位置。最后探讨了在应用小波变换进行故障检测时小波基的选取原则。     

基于小波变换的图像处理技术研究

小波变换由于自身具备的时频域局部化特性,能有效地克服Fourier变换在处理非平稳的复杂图像信号时所存在的局限,已成为图像处理的一种重要手段。在简单介绍小波变换基本原理的基础上,举例说明了小波变换在图像去噪、压缩、增强和融合等方面的应用。实验结果表明：将小波变换应用于图像处理可获得良好的处理效果。     

利用小波变换对高频大地电磁数据处理的应用研究

针对高频大地电磁法（EH4）时间序列的信号是非平稳信号,容易受到各种干扰,本文尝试利用小波变换方法对信号进行分析处理。文中针对受到工频干扰时间序列信号进行分析、消噪处理,并对其它受到风吹、脉冲等干扰信号进行处理,取得了较好的消噪效果,提高了信号的信噪比,突显出了有效信号成分,证明了小波变换应用于EH4时间序列信号数据处理当中是可行和有效的。