基于Hilbert-Huang 变换的雷达发射机故障特征提取

为解决目前难以准确提取非线性、非平稳雷达发射机故障信号特征的问题,提出一种基于Hilbert-Huang变换(HHT)的雷达发射机故障特征提取方法。介绍HHT中瞬时频率和本征模态函数的概念,给出HHT中经验模态分解及其改进算法集合经验模态分解的具体过程。通过对发射机开关电源输入整流滤波电路的仿真,仿真故障电压信号经过集合经验模态分解得到若干本征模态函数,对其中一个本征模态函数进行Hilbert变换提取瞬时频率。计算结果表明:基于HHT的雷达发射机故障特征提取所得的瞬时频率物理意义明确,能够充分可靠地检测故障信息、提取故障特征。     

希尔伯特黄变换在遥测振动信号处理中的应用

介绍了希尔伯特黄变换（HHT）的基本方法，并对变换方法的性能进行了分析。针对变换方法中端点效应和模态混叠效应的问题，提出了利用过采样技术进行解决。仿真和试验数拓验证了利用HHT对遥测振动信号进行处理与其他时频分析方法相比较具有独特优势。     

基于子波变换的短时序列功率谱估计

本文针对FFT算法的不足,采用了基于子波变换(Wavelet Trans-form,WT)的信号功率谱估计方法。子波变换同时具有时域、频域局部化特性,因此即使对短时序列也具有较高的频率分辨率和功率谱估计精度,其中心频率和分析带宽是随尺度变化的。本文对子波变换的基本原理和算法实现进行了比较详尽的描述,给出了基于子波变换的信号功率谱估计结果,并与FFT算法进行了比较,证明了理论分析的正确性和算法的有效性。本文的功率谱估计方法具有广泛的适用性,特别适合短时序列、时变和非平稳信号的功率谱估计。     

基于小波变换的频率捷变引信信号分析

频率捷变引信作为一种新体制的引信，回波信号有其特点，文章在选取相应的参数后，利用小波变换（WT）对频率捷变引信的回波信号进行分析，揭示了此信号的时一频域特征，为引信的精确定距提供了依据。     

基于小波变换的直升机声目标特征提取

简要地介绍了小波变换的原理和性质以及它在直升机声目标特征提取当中的应用。主要论述了利用小波变换进行信号分解与滤波、目标特征提取等方面的应用,最后给出了计算机模拟仿真结果,结果表明,利用本文所提出的信噪分离方法和目标特征提取方法可以在低信噪比情况下准确识别目标。     

基于Hilbert-Huang变换的发动机振动信号特征提取

基于Hilbert-Huang变换与小波分析相结合的故障特征提取方法,先利用小波分析方法将缸盖振动分解在低、中、高三个频段,然后对各个频段的信号进行EMD分解,对得到的IMF分量做Hilbert变换,得到各个频段的Hilbert谱.再根据发动机冲击响应的特点,将Hilbert谱沿频率轴积分,然后在时间-幅值平面上投影成二维的频带能量分布图,突出故障信息.实例表明,通过各频段、各冲击响应能量分布的变化,可实现故障的判断和定位.     

基于提升小波包变换集成特征提取模型

为了从发动机缸盖振动信号中快速提取出反应完备状态信息的特征,针对信号特点和提升小波包变换的性质,建立了适于在线提取的缸盖振动信号特征参数体系。总结了提升小波包变换的3个性质一不相关性、可逆性和保序性,利用3个性质将降噪、特征提取和消除波动集成到一次提升小波包分解与重构过程,建立了发动机缸盖振动信号集成特征提取模型,给出了集成消除波动的特征计算公式和特征值标准化公式。通过实例,对集成特征提取模型的工作过程进行了说明。     

水下目标的Gammatone子带降噪和希尔伯特-黄变换特征提取

水下目标识别是水声探测中的关键技术,具有重要的应用价值。海洋环境的复杂性导致水下目标识别中存在不可回避的噪声干扰。以人耳听觉机理为基础,提出了一种结合Gammatone滤波器、小波阈值降噪和希尔伯特-黄变换(HHT)的水下目标识别方法。采用Gammatone滤波器实现人耳听觉机理的模拟,并在此基础上进行小波阈值降噪,提高系统的噪声鲁棒性,然后利用HHT进行时频分析和特征提取。利用实际水下目标数据进行识别实验,对提出的方法进行了验证。实验结果表明,提出的方法在低信噪比条件下具有良好的鲁棒性,并具有较好的识别效果。     

基于FRFT的Hilbert变换

解析信号的一个重要性质是从正频谱中恢复实信号，现有的基于分数阶Fourier变换( FRFT)的Hilber变换(HT)理论尚未解决这一问题。本文从分数阶乘积一卷积理论出发，研究了基于FRFT的HT理论与解析信号的定义和性质，给出了理论分析和推导，证明了通过解析信号在分数阶Fourier域的正频率谱能够恢复实信号。仿真结果表明，本文提出的方法可以增强单边带通信系统的保密性，并具有较高的图像加密效果。本文研究是对基于FRFT的HT理论的丰富和完善。     

线性正则变换域的Hilbert变换

Hilbert变换(HT)是信号处理中的一个重要的变换关系式,它被广泛应用于调制理论、边缘检测以及滤波器设计等方面,通过HT可以把一个信号与它的解析信号联系在一起;而线性正则变换( LCT)是Fourier变换(FT)、分数阶Fourier变换(FRFT)的进一步推广,是更一般形式的变换。给出LCT域中HT的定义,并指出这种LCT域中HT与传统的FT域的HT有类似的性质。     

HHT在发动机实验数据处理中的应用

Hilbert-Huang变换是最近发展起来的处理非线性非平稳信号的时频分析方法,该方法的关键部分是经验模态分解.针对经验模态分解的特点和发动机实测实验数据的特点,设计了经验模态分解过程中避免端点飞翼及有效获取数据局部极值点及包络线计算的方法,并通过实例,验证了该方法在发动机实验数据处理过程中的有效性.     

S变换相对谱熵及其在液压泵退化状态识别中的应用

为更好地表征液压泵的退化状态,对液压泵退化特征提取方法和退化状态识别方法进行研究。基于S变换分析非平稳信号的优异能力以及相对熵较好表征振动信号概率分布差异的特性,提出S变换相对谱熵的液压泵退化特征提取方法,对液压泵仿真信号分析结果验证了所提出的S变换相对能谱熵和S变换相对奇异谱熵作为退化特征的有效性和可行性。将两个特征指标组成退化特征向量,对滑靴磨损和松靴故障模式下不同故障程度的液压泵振动信号进行分析,进一步验证所提出的特征指标作为液压泵退化特征的有效性。将加权灰关联法用于液压泵退化状态识别,建立了液压泵的标准退化模式矩阵,对两种故障模式下液压泵待检测样本的退化特征向量和标准模式矩阵做加权灰关联分析,根据灰关联度的大小判定液压泵的退化状态,结果验证了所提出方法的良好性能。     

基于小波变换的数字视频多分辨率编/解码及图像轮廓识别

基于小波变换和Mallat算法的数字视频编/解码及图像轮廓识别,编码端用小波变换将二维图像信号子带分解成1个低频分量和3个高频分量,并结合可编程量化和Huffman编码获得较大压缩比信号的数据比特流,实现数字视频编码.在接收端,用小波逆变换对4个子带信号重构,恢复出原始二维图像信号,实现视频解码.用小波变换的分辨率特性和二维子带谱分析法实现图像轮廓识别.     

基于连续小波变换的柴油机气缸工作状态检测

为实现装甲车辆柴油机气缸工作状态不解体检测,在实车上模拟了失火故障,测取了不同状态下排气口附近的噪声信号;利用合适尺度下的连续小波变换(CWT),获得了具有明显幅值调制特征的周期性排气噪声低频成分;经过H ilbert变换幅值解调,提取最大幅值归一化包络信号的方差为特征参数,建立了一种柴油机气缸工作均匀性评价与失火故障检测的新方法。应用结果表明,该方法切实可行。     

线性正则变换及其应用

作为一种新兴的信号处理工具,线性正则变换相对于Fourier变换及其广义形式（分数阶Fourier变换）具有更强的灵活性,因此在某些用后者无法妥善处理的问题中能够得到更好的处理效果。本文从线性正则变换( LCT)的定义出发,首先阐述了它的基本性质,然后就其离散形式进行了讨论,最后对线性正则变换的应用作了举例说明,展现了其在信号处理领域的潜力和能力。     

一种基于Beamlet变换的线特征提取方法

线特征提取对于自动目标识别有重要作用.给出一种基于二进的、多尺度的Beamlet变换提取图像中线特征的方法.先通过线积分计算各分块的Beamlet变换,再利用广义似然比检验寻找保留符合条件的Beamlet,提取线特征.通过实验表明,算法可以克服噪声干扰,能够有效地提取强噪声仿真图像和实际道路图像中的线特征.     

基于小波变换的电子设备故障诊断技术研究

基于BP神经网络的电子设备故障诊断,以其不需要建立故障诊断模型,易于智能化实现等优势,发展较为迅速,而采用此方法的故障诊断大部分以故障树获得的特征参数为依据;由于电子设备往往由大量的工作模块组成,各组成模块之间相互耦合、联系紧密,仅仅依靠故障树获得的特征参数难以较好地反映设备状态;所以基于这些特征参数的BP神经网络故障诊断往往诊断率较低;将小波分析的方法运用于特征参数的提取中,利用BP神经网络模式识别完成电台故障诊断;最后通过获得的实测数据进行了实例分析,验证了该方法对于提高电子设备故障诊断率,是可行有效的。     

非平稳随机信号的时频分析方法研究

Hilbert-Huang变换(HHT),利用时间序列上下包络的平均值确定"瞬时平衡位置",进而提取固有模态函数.通过实际测试比较STFT、WVD、DGS、HHT等方法.采用HHT算法实现时频信号模态的分解和提取,从DGS时频能量分布图形上可看到对交叉项的抑制,该优点WVD方法不具备.而采用DGS不用像STFT那样受窗函数选择的矛盾困扰,对信号的时频分辨高于STFT.