系统模态参数辨识的小波变换方法

文中分析了在众多小波基函数中Morlet小波更适合对动态结构系统进行模态分析的原因,结合Morlet小波的性质和结构系统对脉冲响应信号的特性,构造了一小波族,实现了利用Morlet小波变换对多自由度系统进行模态解耦和对时变系统进行模态参数辨识的方法．算例的数值仿真结果表明文中方法的正确性和有效性．     

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。     

基于经验模态分解的小波阈值滤波去噪

经验模态分解(EMD)是一种新出现的处理非线性、非稳态数据的信号分析方法,首先对带噪信号做EMD分解,得到各阶本征模函数(IMF)分量,然后对高频的IMF分量用小波去噪中的阈值方法进行处理,把经过阈值处理的高频IMF分量和低频的IMF进行叠加,得到重构后的信号,即去噪信号。通过三次样条包络分离数据的高阶成份和趋势项。利用EMD的这种特性,提出一种基于EMD变换的阈值去噪算法。仿真实验表明基于EMD变换的去噪具有较好的自适应能力,形式简单,应用方便灵活,不受傅立叶变换及小波函数选择的限制等。     

基于自适应滤波的滚动轴承故障诊断研究

针对固有频率未知的滚动轴承故障诊断问题，提出了一种基于经验模态分解的自适应滤波方法。讨论了经验模态分解方法及其在获取固有模态函数过程中的自适应滤波特性。通过对滚动轴承故障振动信号进行经验模态分解得到固有模态函数，运用希尔伯特变换解调固有模态函数得到包络幅频图，获取滚动轴承故障特征频率，进而确定滚动轴承的故障位置。应用该方法对仿真和实际数据进行了分析，并与冲击脉冲法作了比较。结果表明，基于经验模态分解自适应滤波的滚动轴承振动信号解调方法能够更有效地突出故障特征频率成分，避免误诊断。     

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.     

具有间断事件检测和分离的经验模态分解方法

针对在经验模态分解（EMD）筛选过程中间断信号引起的模态混叠问题,提出了一种新的解决方法．该方法为根据间断过程信号与正常背景信号时间尺度的不同,利用固有模态函数（IMF）的瞬时频率特性实现间断信号的精确定位,依据定位的间断信号段经端点延拓重新做EMD分离出间断信号,从而在后续的EMD中消除该间断信号的影响．将该方法与小波法消除间断信号的结果进行了比较,显示其滤除结果的信号失真较小,并可将间断信号分解为一固有模态函数．     

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。     

基于Hilbert-Huang变换的信号奇异性检测的比较研究

Hilbert-Huang变换是最新发展起来的处理非线性非平稳信号的时频分析方法.其基本的实现分为两步,多分辨经验模态分解和瞬时频率的求解,随后可以获得信号的时一频谱.这种方法的关键部分是经验模态分解,任何复杂的信号都可以分解为有限数目并且具有一定物理意义的模态函数,对这些固有模态函数作Hilbert变换,就可得到每一个固有模态函数的瞬时频谱,综合所有固有模态函数的瞬时频谱可以得到信号的一种新的时频描述方式-Hilbert谱.本文比较了小波变换和Hilbert-Huang变换在信号奇异性检测上的异同,并列举了一些实例说明Hilbert谱的优越性.     

基于DWT、MEMD和模糊熵的脑电信号特征提取与分类研究

针对脑电信号分类准确率不高导致脑控设备控制稳定性差的问题,提出一种基于离散小波变换(DWT)、多变量经验模态分解(MEMD)和模糊熵的特征提取与分类方法。首先,利用DWT将脑电信号分解成一系列窄带信号;其次,利用MEMD对子带信号进行分解,得到一系列本征模函数(IMFs),选择合适的IMFs进行信号重构,利用模糊熵算法对信号提取特征,作为实验的特征向量;最后,使用支持向量机(SVM)进行分类。利用脑机接口(BCI)大赛数据作为验证集,验证了该算法的有效性,使分类精度提高到了96.2%,同时解决了经验模态分解(EMD)中频带覆盖较广的问题。     

基于QPSO＋CWT的结构模态参数识别

通过对结构响应进行连续小波变换,将结构多自由度模态参数识别问题转化为多个单自由度模态参数识别问题。为简化识别和提高识别精度,采用量子行为粒子群优化将CWT解耦信号的模态识别问题转化为智能优化问题,进而一次性同时识别出模态参数,最后通过六层框架的数值模拟验证QPSO＋CWT法的可行性与有效性。     

基于FastICA改进EMD的算法研究

经验模态分解(EMD)算法在非线性、非稳态的信号处理上具有显著的优势,但EMD在实际应用过程中存在着一些缺陷,其中以模态混叠和虚假模态现象最为突出。模态混叠现象可以简单地概述为在1个本征模函数 (IMF)含有多于一阶的结构固有模态分量;虚假模态现象则是指不该有的频率组分对结构模态参数识别精度的严重影响。针对这一问题,对EMD中存在的以上两大缺陷展开研究,提出了利用频带滤波和独立分量分析算法(ICA)中的快速ICA算法(FastICA)相结合改进的EMD 算法。利用希尔伯特变换(HT)识别结构频率,并通过Benchmark 结构验证了所提算法的有效性。     

基于EMD和小波变换的结构风振高阶参振模态识别

为了确定结构随机理论求解中的高阶参振模态数目,采用经验模式分解(EMD)与小波变换相结合的方法分析结构气弹模型自激响应数据信号的时-频-谱联合特性,从原始信号中分解出固有模态函数(IMF),再对各个IMF进行小波变换提取信号特征参数,从而识别出结构风振随机计算所需的高阶参振模态截止频率,并将识别结果与直接采用随机理论对...     

振动模态的参数识别综述

综述了目前振动模态参数识别的频域方法、时域方法、时-频方法、基于小波分析与基于HHT变换的非平稳信号处理的时-频方法及基于模拟进化的方法的基本原则与具体做法,比较了各方法的优缺点及适用范围,并展望了模态参数识别的方向.     

基于小波包和改进EMD的脑电信号消噪研究

由于采集到的脑电信号含有噪声,提出了总体经验模态分解(EEMD)的希尔伯特黄变换(HHT)结合小波包分析的脑电信号去除噪声的方法。含噪脑电信号经EEMD分解可以得到一定数量的IMF分量,而且可以解决经验模态分解(EMD)时的模态混叠问题,然后,对IMF分量进行Hilbert变换,分析Hilbert谱,把含噪的IMF部分进行小波包处理,最后,把各IMF相加,可得处理过噪声的脑电。经验证得,单独使用小波包方法消噪和改进EMD消噪,都没有小波包结合改进EMD方法的信噪比高,提高了去噪效果,有利于更精确的诊断医学疾病。     

一种基于小波变换的最小二乘复频域法的改进方法

针对应用最小二乘复频域法处理含有大阻尼、模态密集频带的频响函数时,难以快速、准确处理其中密集耦合模态的不足,提出了利用小波变换的带通滤波器特性对其进行改进的方法。该改进方法通过分析频响函数,搜索出应用原方法无法提取的密集耦合模态,对其选定合理的小波尺度因子进行小波变换分析,实现快速、准确的模态解耦和参数提取。最后通过对频响函数中含有大阻尼、模态密集耦合频带的8自由度系统进行仿真研究,验证了这种改进方法的正确性和优越性。     

QPSO算法识别环境激励下结构模态参数

实际工程中,系统的输入一般是未知的或者是不可测量的,识别结构的模态参数只能采用响应信号。并且一般环境激励下结构的输入信号是可以假设为白噪声激励,其信号的功率谱可以视为一常数。笔者利用量子行为粒子群优化（Quantum-behaved Particle Swarm Optimization,QPSO）算法将环境激励下结构模态参数识别问题转化为一个多维优化问题。最后采用一数值模拟的三层框架对该方法进行验证。结果表明,量子粒子群算法可以有效地识别结构模态参数。该研究结果可作为结构损伤识别的基础。     

复杂交通环境激励下西安城墙模态参数识别与分析

结构的模态参数识别一直是结构健康监测的基础和重点,其能评估结构状态、识别结构损伤,对结构的后续维护具有重要意义,对古建筑结构亦是如此.西安城墙属于中国第一批重点文物保护单位,其模态参数识别更是需要重视.在西安城墙瓮城处城墙布设速度与加速度动力特性监测系统,通过现场动力测试试验,获取复杂交通环境激励下城墙振动响应数据;通...     

基于EMD和Hilbert变换的心电信号去噪方法

基于经验模态分解(EMD)和Hilbert变换理论,提出一种心电信号(ECG)去噪方法.经验模态分解法将任意信号分解为一组固有模态函数IMF,对于非白噪声层IMF的阈值选取,针对传统阈值去噪方法存在较大偏差的问题,提出利用各层IMF的平均频率和能量密度乘积来确定非白噪声层IMF的噪声水平.介绍了白噪声层IMF的检验方法,并给出了利用该方法以及小波阈值去噪方法对心电信号进行去噪处理的实验结果.