改进的Hilbert-Huang变换在信号瞬态特征提取中的应用

通过对Hilbert-Huang变换(Hilbert Huang Transform,HHT)方法的机理的研究,提出了一种提取非平稳信号中瞬态特征的新方法,即正交经验模态分解(Orthaogonal Empirical Mode Decomposition,OEMD)与Hilbert变换结合法.OEMD是一种以快速带通滤波为基础的,获得同有模态函数(IMF)的新方法,其最大特点是具有严格的正交性.通过OEMD得到IMFs后,再进行Hilbert变换求得瞬时频率和幅值,便能精确检测出信号中瞬态成分的时间、频率和幅值等信息.仿真和应用结果表明,该法比原HHT方法能更加有效地提取信号的瞬态特征,并成功地解决了原HHT中存在的模态混叠、虚假模态和边界效应等问题.     

一种振动信号新变换法的研究

该文借助振动信号模型直观地阐明瞬时频率的物理意义，引出固有模态的及其应满足的条件；介绍Norden.E.Huang等人提出的关于固有模态瞬时频率的求法^[1]，关于信号组成的创造性假设及Hilbert-Huang变换信号分析法的主要内容，经验模态分解的过程和希尔伯特谱，边际谱的概念等；分析Hilbert-Huang变换的有效性，先进性和目前急需解决的问题，给出Hilbert-Huang变换的计算机实现流程图，最后通过分析实例检测HibertHuang变换的有效性和优越性。     

基于MM-EMD的改进HHT及应用

针对传统Hilbert-Huang变换假设"信号由IMF(Instinct Mode Functions)分量与普通趋势项构成"这一固有局限,根据油压信号的自身特点,提出了基于MM-EMD(Mathematical morphology and Empirical Mode Decomposition)的Hilbert-Huang变换改进方法,并将其应用于油压信号分析处理中。该方法的基本思想如下:针对存在非IMF、非普通趋势项分量的信号,先用数学形态滤波器分离出该分量,再对剩余信号进行EMD分解与Hilbert谱分析。仿真信号与实测信号表明,新方法能取得比传统Hilbert-Huang变换更好的分析效果。     

基于MM-EMD的改进HHT及其应用

针对传统Hilbert-Huang变换假设“信号由IMF分量(Instinct Mode Functions)与普通趋势项构成”这一固有局限，根据油压信号的自身特点，提出了基于MM-EMD(Mathematical morphology and Empirical Mode Decomposition)的Hilbert-Huang变换改进方法，并将其应用于油压信号分析处理中。该方法的基本思想如下：针对存在非IMF、非普通趋势项分量的信号，先用数学形态滤波器分离出该分量，再对剩余信号进行EMD分解与Hilbert谱分析。仿真信号与实测信号表明，新方法能取得比传统Hilbert-Huang变换更好的分析效果。     

基于Hilbert边际谱的滚动轴承故障诊断方法

Hilbert-Huang变换是一种新的自适应信号处理方法，它适合于处理非线性和非平稳过程。通过对信号进行Hilbert-Huang变换，可以得到信号的。Hilbert边际谱，它能精确地反映信号幅值随频率的变化规律。针对滚动轴承故障振动信号的非平稳特征，提出了一种基于Hilbert边际谱的滚动轴承故障诊断方法。该方法在Hilbert边际谱的基础上定义了特征能量函数，并以此作为滚动轴承的故障特征向量，建立M-距离判别函数来识别滚动轴承的故障类型。对滚动轴承的内圈、外圈故障信号的分析结果表明本方法可以有效地提取滚动轴承故障特征。     

速变信号的小波分析应用研究

遥测速变参数处理方法大多基于经典分析方法，文中采用现代时频分析方法对遥测动态环境参数进行分析，对比算法在瞬态信号成分检测方面的优势，小波变换比傅立叶变换更适合分析非平稳信号，尤其是含瞬态或突变成分的信号．     

旋转机械非平稳振动信号的时频分析比较

信号分析与处理是机械故障监测与诊断中故障提取的常用方法,传统的振动故障分析方法难以满足频率随时间变化的非平稳信号的要求,联合时频分析是非平稳信号比较有力的分析工具。以转子实验台的典型振动故障信号为研究对象,分析研究了几种时频分析方法如STFT、Wigner-Ville分布、小波变换和Hilbert-Huang变换。对比结果表明:STFT和Wigner-Ville分布的时频分辨率是矛盾的,易出交叉项或使信号变得微弱;小波分解会出现多余信号;Hilbert-Huang变换的时频分析能够直观检测信号中的微弱奇异成分,清楚给出时频分布情况,为旋转机械状态监测和故障诊断提供了新的手段。     

多分辨Hilbert边际谱在旋转机械故障诊断中的应用

针对旋转机械故障振动信号的非平稳性特征,提出了一种基于多分辨Hilbert边际谱变换的旋转机械故障诊断方法.Hilbert-Huang变换是一种新的自适应信号处理方法,通过经验模态分解方法(EMD)可以获得一系列固有模态函数(IMF),通过对故障信号的多阶IMF分量进行边际谱分析,提取旋转机械故障信号.实验结果表明,基于多分辨Hilbert边际谱的变换能够有效地提取旋转机械故障特征.     

EMD和FSWT组合方法在爆破振动信号分析中的应用研究

针对传统经验模态分解EMD时频分析功能不足的缺陷,提出了基于经验模态分解EMD和频率切片小波变换FSWT组合的爆破振动信号分析方法。对实际工程采集到的爆破振动信号进行EMD分解,根据相关性系数确定优势分量实现信号重构,并获取重构信号全频带FSWT时频特征。利用FSWT逆变换能切割任意频率区间的特点,将重构信号选择时间、频率切片区间进行了更为细化时频特征提取。研究了EMD-FSWT组合方法、Hilbert-Huang变换(HHT)、小波变换(WT)三种方法的消噪滤波效果,并与短时Fourier变换(STFT)、重排平滑Wigner-Ville分布(RSPWVD)两种传统时频方法进行了对比。分析结果表明:EMD-FSWT组合方法,对瞬态信号在时频域上的分辨率更高,消噪和滤波效果好,适于对爆破振动信号进行更为精细化的时频特征分析。     

小波多分辨率分析在激光扫描回波信号处理中的应用

小波变换具有表征信号局部特征的能力，适于分析信号中的瞬态和奇异现象，并可展示其成份，所以采用小波多分辨率分析方法对激光回波弱信号进行处理。利用这种方法，可以有效消除噪声，提取有用的信号。结果证明小波多分辨率分析对于激光回波信号处理十分有效，提高了信号分析的准确性。     

STFT和HHT在风力机轴承故障诊断中的应用

对异常工作风力机进行振动测试,获取振动测试信号,选取额定风速时采集的一段信号分别进行时频域分析、短时傅里叶变换分析、希尔伯特黄变换分析,提取故障特征信号。结果表明,短时傅里叶变换具有较好的时频分辨率,能够较好的提取故障特征信号,较为适合非线性、非平稳信号的分析;希尔伯特黄变换是一种很好的自适应信号处理方法,非常适合于非线性和非平稳信号的分析。希尔伯特黄变换对于风力机滚动轴承的故障诊断取得了很好的效果,准确提取了故障信号特征。对风力机故障诊断技术的发展具有较大的意义。     

一种求解信号包络曲线端点值的新方法

近年来出现了一种能有效分析非线性、非稳定振动信号的新方法,即希尔伯特-黄变换法。该方法通过三次样条插值分解信号时会在其边界处出现端点效应问题。在深入研究端点效应问题基础上提出一种能有效解决该问题的新方法,即最近一次极值镜像延拓法。将该方法应用到非线性信号分析中,结果表明该方法不仅能有效抑制端点效应,而且还能提高非线性信号分解的准确性,同时具有简单易行、适应性强、通用性好等特点,对水泵机组运行时泵站厂房结构的振动监测具有一定的实用价值。     

基于希尔伯特-黄变换提取车辆轨道耦合系统时频特性

为研究各种激扰对车辆轨道耦合系统动力学响应时频特性影响,将基于改进经验模态分解（EMD）的希尔伯特-黄变换（Hilbert-Huang Transform）应用于车辆轨道耦合动力学振动信号分析中。运用改进EMD方法提取耦合系统振动响应的固有模态函数（IMF）,并对其进行希尔伯特-黄变换,得到振动响应的希尔伯特时频幅值谱和边缘谱。分析表明：希尔伯特-黄变换较傅里叶变换的分辨率与精度高,能有效捕捉车轮缺陷及轨道谐波不平顺激励下车辆轨道耦合系统的调制信号;车体垂向振动加速度随轨道不平顺波长、幅值非线性变化,振动信号的轮周激励成分为调制信号,且随轨道不平顺幅值增大而减小,随轨道不平顺波长增大非线性变化。     

基于HHT方法在英坪矿Ⅱ号坑的爆破振动分析

HHT(希尔伯特-黄变换)是一种全新而优越的分析与处理非平稳信号的时频方法,它具有自适应性强、高效等特点。它由EMD和Hilbert变换两部分组成,其Hilbert能量谱可清晰地表明能量随时频分布的特点。本文利用HHT方法分析了瓮福磷矿英坪矿区Ⅱ号坑露天爆破所获得的爆破振动数据,探讨了英坪矿Ⅱ号坑爆破振动的时频特征,为该矿下阶段安全生产提供依据。     

基于HHT方法的石方爆破噪声特性分析

HHT方法是一种针对非线性、非平稳信号行之有效的分析与处理方法,它具有自适应性强、高效且希尔伯特谱分析可清晰表明能量随时频分布等特点.该文在分析石方爆破噪声产生机理的基础上,利用HHT方法分析了有关爆破噪声记录,探讨了石方爆破噪声的时频特性.     

基于HHT方法的爆破地震信号分析

在介绍HHT(Hilbert HuangTransform)理论的基础上,结合现场测试,将这种理论引入到爆破地震信号分析中。HHT方法主要通过经验模式分解方法将信号分解成有限的固有模态函数,并对每个固有模态函数进行Hilbert变换从而得到Hilbert谱。经过FFT、小波谱对比分析,结果表明:在爆破地震信号分析中,利用经验模式分解不需要固定的基函数,可将原始信号分解为少量的、频率自高至低排列的固有模态函数,分解过程具有自适应性、高效性;再通过Hilbert变换所得的谱图能清晰地反映原始地震信号能量随时间、频率的分布。HHT法能有效地提取爆破地震信号的主要特征,更能适应信号突变快、衰减快的特征,为进一步认识爆破地震波的传播机理、破坏原因和危害判据的确定提供了新的途径。     

基于HHT方法在英坪矿Ⅱ号坑的爆破振动分析

HHT(希尔伯特-黄变换)是一种全新而优越的分析与处理非平稳信号的时频方法,它具有自适应性强、高效等特点。它由EMD和Hilbert变换两部分组成,其Hilbert能量谱可清晰地表明能量随时频分布的特点。本文利用HHT方法分析了瓮福磷矿英坪矿区Ⅱ号坑露天爆破所获得的爆破振动数据,探讨了英坪矿Ⅱ号坑爆破振动的时频特征,为该矿下阶段安全生产提供依据。     

HHT在复合材料机翼盒段结构小损伤检测中的应用

提出一种检测结构微损伤的时域：疗法，利用HILBERT-HUANG变换技术，研究了悬臂机体盒段结构的损伤振动检测问题，并引入轴对称信号扩展法解决EMD过程中的端点效应。用EMD技术分解完好盒段与损伤盒段在方波信号激励下的动力响应信号，得到一系列IMF分量；然后求出各阶IMF分量对应的瞬时频率，从中提取出结构损伤信息一瞬时频率变化量，作为损伤特征参数；并研究了将之作为损伤特征参数的抗噪声干扰能力。     

HHT在水雷目标特征提取中的应用

Hilbert-Huang变换（HHT）是近年来发展起来的一种处理非线性非平稳的时频分析方法。水声信号具有非线性非平稳的特点,把HHT方法应用于水声信号的分析中,将典型主动声纳信号的Hilbert边际谱和Hilbert谱分别与傅里叶幅度谱和传统的时频分析进行了比较。然后对水下目标回波的亮点模型作了仿真研究,并与小波变换作比较,最后用实际目标的回波作了分类研究。仿真与实际数据都证明了HHT在水下目标特征提取中的优越性。