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和模糊C均值聚类的轴向柱塞泵故障识别

提出了一种基于Hilbert-Huang变换(HHT)和模糊C均值聚类算法相结合的故障识别方法。利用HHT在处理非线性、非平稳信号方面的优势,对采集到的轴向柱塞泵泵壳振动加速度信号进行HHT处理。首先对信号分别进行经验模态分解(EMD)和集总经验模态分解(EEMD),结合短时最大熵谱分析选取对故障最为敏感的固有模态函数(IMF)分量,再对其分别进行二次分解。然后,采用本文提出的基于局部边际能量谱特征能量的方法求出故障特征向量。最后,采用模糊C均值聚类算法进行故障模式识别。识别结果表明:EEMD比EMD在迭代次数上大幅减少,故障识别准确率有了显著提高。     

利用边际谱Hurst参数检测DDoS攻击

为了有效检测分布式拒绝服务(DDoS)攻击,提出对网络流量信号进行希尔伯〖JP9〗特-〖JP〗黄变换(HHT),得到相应的边际谱,计算边际谱的Hurst参数. 以最大化综合指数为目标,训练实验数据的边际谱Hurst取值,得到检测阈值,通过与该阈值的大小进行比较判断是否有DDoS攻击发生. 实验结果表明该方法具有一定的检测效果.      

结构地震反应记录HHT分析

利用HHT(Hilbert-Huang Transform)方法研究了结构地震反应记录的时频特性及结构动力特性.首先简单回顾了一种新的非平稳信号处理方法-HHT,然后介绍了一座7层钢筋混凝土框架结构及其强震观测台阵概况,最后利用HHT分析了结构在3次地震中的反应记录,得到了记录的时频幅值三维分布和边际谱,并将边际谱和傅立叶谱进行了对比,识别了结构自振频率.研究结果表明,对结构地震反应记录而言,可以使用HHT方法分析得到记录能量集中分布的频段与时间范围;HHT给出的边际谱与傅立叶谱相比,在低频部分幅值要大于傅立叶谱,而在高频部分幅值要小于傅立叶谱,且边际谱比傅立叶谱更为平滑;利用结构地震反应记录识别的自振频率比环境振动测试结果要小.     

基于EMD的时频分析方法的电力故障信号检测

提出电力系统故障信号的经验模态分解(Empirical Mode Decomposition,EMD)时频分析方法.通过对检测点获得的故障电流信号进行EMD分解,得到一系列的本征模态分量(Intrinsic Mode Function,IMF),利用Hilbert变换得到Hilbert谱及边际谱,分析相应瞬时频率及其振幅,对故障信号进行时间-频率-幅值的联合分析.分析发现,通过瞬时频率突变能准确定位故障时刻,Hilbert谱的峰值变化也能反映故障时刻及故障特征信息;通过边际谱分析可以获得故障信号所含的真实频率,为进一步故障检测提供了依据.仿真试验证明了结论的正确性,表明EMD时频分析方法能准确地检测故障时刻,提取故障信息.     

基于Hilbert边际谱的道路载荷谱特征分析

针对实际道路载荷谱信号具有非平稳特点的问题,以某自卸车在不同强化道路上的实测载荷谱为研究对象,运用Hilbert-Huang变换计算其Hilbert边际谱,分析了不同强化道路载荷谱的信号特征,得出了该车的动态响应特性以及自身固有特性.在此基础上,确定迭代目标谱的滤波频率范围,并在该车的室内道路模拟试验中取得良好的迭代效果.结果表明,Hilbert边际谱能够有效地应用到非平稳道路载荷谱的分析当中.     

局部Hilbert边际能量谱在滚动轴承故障诊断中的应用

针对滚动轴承振动信号非线性的特点,提出一种基于局部希尔伯特边际能量谱和马氏距离判别法相结合的故障诊断方法。首先,采用镜像延拓方法抑制经验模态方法将待分析信号分解成多阶固有模态函数和的形式,并根据相关性判别算法选取含有主要故障信息的IMF分量;其次,利用局部Hilbert边际能量谱提取故障信号能量特征参数;最后,利用马氏距离算法对滚动轴承的工作状态进行判别。通过相关试验证明了此方法的有效性,具有一定的工程应用价值。     

基于方差和谱熵结合的语音端点检测方法

针对传统方法在低信噪比条件下的检测结果无法较好地满足需要,提出了将语音信号小波包BARK子带方差和谱熵二者相结合的新端点检测方法.首先对带噪语音采用多窗谱估计谱减法降噪,然后利用小波包分解构成BARK子带,求出每帧信号的BARK子带方差均值和谱熵值,最后用方差值除以谱熵值,将二者的比值作为双门限检测法的参数进行端点检测.实验证明,在低信噪比条件下,该方法相比于传统方法的检测效果更佳.     

基于谱熵梅尔积的语音端点检测方法

为了克服传统语音端点检测算法在低信噪比环境下准确率低的问题,提出一种基于谱熵梅尔积（MFPH）的语音端点检测算法.首先,提取带噪语音信号的梅尔频率倒谱系数中的第一维参数MFCC₀,将其与谱熵的乘积作为最终区分语音段和背景噪声段的融合特征参数;然后,结合模糊C均值聚类算法和贝叶斯信息准则（BIC）算法对MFPH特征参数门限值进行自适应估计;最后,采用双门限法进行语音端点检测.实验结果证明,与传统方法比较,该方法在-5~15 dB低信噪比环境下的语音端点检测准确率有较大提高.     

近似熵在混凝土结构损伤识别中的应用

基于近似熵理论,利用自由振动信号对钢筋混凝土梁结构进行损伤动力识别研究.通过自功率谱密度函数对衰减信号进行分类,针对不同的信号模式提出不同的近似熵计算方法进行结构的损伤识别.使用互相关函数将不具有规则性的衰减信号转化成具有规则性的互相关-时间序列,采用数值模拟结合试验的方法论证了对衰减信号引入近似熵理论的可行性.对由试验测得的不同损伤工况下的自由振动信号引入互相关近似熵理论发现,互相关近似熵能够识别混凝土结构的小损伤,体现了良好的敏感性|对试验数据添加不同强度的噪声,再进行互相关近似熵计算,发现互相关近似熵在信噪比很低的情况下仍然能够对测试的梁结构进行损伤识别,体现了很强的抗噪能力.     

一种基于EMD的睡眠脑电图梭形波自动识别方法

提出了一种基于EMD分解的睡眠脑电图梭形波自动识别方法．通过对EEG信号作EMD分解,得到具有很好时频特征的Hilbert谱,对Hilbert谱进行分析处理,可以自动识别梭形波出现的准确时间和持续时间．结果显示,识别准确率高达95．6％．     

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.     

一种基于Hilbert Huang变换的直扩信号盲检测方法

针对直扩信号在低信噪比情况下难以检测的问题,提出一种基于Hilbert—Huang变换的盲检测算法。通过对信号进行经验模态分解,根据能量最大原则对得到的内蕴模态函数进行筛选和提取,实现信号的重构;计算其时间、瞬时频率及幅值的分布图和边际谱,从而检测出直扩信号并估计出载频。理论分析和仿真实验表明该算法在信噪比为-16dB的情况下能有效地检测出直扩信号。     

基于改进MED-SSD的齿轮箱复合故障诊断方法

针对齿轮箱在强噪声环境下复合故障信号微弱、故障特征难以提取等问题,本文提出了一种改进的最小熵反褶积(MED)与奇异谱分解(SSD)结合的方法.首先,构建边际功率谱峰度指数(MPSK),利用MPSK对MED进行参数优化;为弥补SSD的不足,将改进的MED作为SSD的前置滤波器;然后利用相关系数分析法选择有意义的奇异谱分量...     

基于改进CEEMDAN⁃熵方法的管道泄漏工况识别

负压波信号的去噪效果和特征向量的提取是影响输油管道泄漏检测准确性的关键因素。针对当前管道泄漏检测准确性较低的问题,提出了改进的添加成对白噪声的完全集合经验模态分解算法（改进的CEEMDAN）对负压波信号进行预处理,将管道上下游压力传感器测得的负压波信号进行CEEMDAN分解,得到多个固有模态函数（IMF）,并根据双通道传感器的相关系数原则筛选有效IMF分量,提出基于熵的特征向量,计算有效IMF分量的能量熵、峭度熵以及排列熵,并输入支持向量机（SVM）对不同工况进行分类。通过现场数据验证,改进的CEEMDAN⁃熵方法可以有效提高输油管道泄漏检测的准确性,具有一定的现场应用价值。     

基于改进的希尔伯特-黄变换的心音信号特征分析

为了快速、准确地分析心音信号的特征,提出了一种基于改进希尔伯特-黄变换(HHT)的心音信号特征分析方法。通过对一个典型的振动信号进行经验模式分解(EMD),验证了该方法的有效性,同时针对两例标准心音进行希尔伯特谱分析并仿真得到心音信号的时-频谱及边际谱。结果表明,该分析方法能够很好地表征心音的时频变化特性,为后续实现心音的分类与识别提供了参考。     

基于HHT分解光电容积脉搏波信号的人体血液流变信息评估

为了识别人体光电容积脉搏波（PPG）信号中表征血液流变信息的动力分量并分析其特点,设计低氧实验. 测量30位受试者在正常氧（20%~21%）和极端低氧（15%~16%）2种氧气体积分数环境中的PPG信号,利用希尔伯特黄变换（HHT）算法分解信号. 通过经验模式分解得到,PPG信号中实际表征血液流变信息的动力分量为固有模式函数IMF_X,其时域特点有2个,一个是有类似动脉收缩舒张的波形,另一个是周期性振荡. 基于Hilbert变换得到IMF_X的瞬时频率和边际谱,其瞬时频率大多为1.5~2.5 Hz,且在低氧环境中此频率段内的边际谱幅值显著小于正常氧环境情况下的（P<0.05）,证明利用该特征可以有效识别低氧诱导的血液流变变化.     

基于FV-FBE的滚动轴承故障诊断研究

针对单通道信号不能全面提取旋转机械的振动信息,为了从强背景噪声中准确提取出滚动轴承的微弱故障特征,提出了一种全矢频带熵(FV-FBE)的滚动轴承故障诊断算法。该方法采用短时傅里叶变换计算频带熵(FBE),根据FBE最小原则自适应设计双通道信号的带通滤波器带宽和中心频率,对滤波后的双通道信号采用全矢Hilbert包络解调,得到全矢包络谱进行滚动轴承的故障识别。实验结果表明:FV-FBE算法可以全面准确地提取滚动轴承故障特征,优于谱峭度算法得到的全矢包络谱,抗干扰能力强。     

基于HHT能量谱的行波保护方法

为了克服行波信号分析中的基函数选择问题,利用Hilbert-Huang（HHT）变换得到HHT能量谱,利用阻波器两端能量谱的差别来区分内、外部故障。区外故障时,线路两端检测到的初始行波波头经过阻波器的数目不同,两端的HHT能量谱相差很大;区内故障时,线路两端检测到的初始行波波头都只经过1个阻波器,两端行波波头的能量谱相差很小,利用此差异来构造行波保护.仿真结果表明,该方法能可靠动作,是一种简单有效的行波保护方法.     

Hilbert变换在滚动轴承故障诊断中的应用

测量6205深沟球轴承的故障振动加速度信号,对信号进行时频分析,利用经验模态分解方法将振动信号分解成不同特征时间尺度的固有模态函数,对每个固有模态函数进行Hilbert变换得到Hilbert谱,通过谱分析识别轴承的故障部位和类型,证实Hilbert谱的有效性.在实际的故障诊断中应用Hilbert-Huang变换,更好地得到故障原因.