Hilbert-Huang变换边界问题处理方法研究

分析EMD(empirical mode decomposition)及Hilbert变换中边界问题产生的原因,总结现有边界处理方法的特点,提出采用波形特征匹配延拓处理HHT(Hilbert-Huang transform)边界问题的新方法,该方法可以同时克服EMD分解和Hilbert变换中的端点效应问题.延拓数据来自于信号本身,兼顾原始信号极值点及非极值点的波形数据,能更好地反映信号的特征,实现延拓数据与原信号交界处的光滑过渡.在HHT计算过程中仅需一次延拓.仿真计算和故障实验分析表明,该方法可以有效解决Hilbert-huang变换中存在的边界问题.     

基于RO-SBM的Hilbert-Huang变换端点效应抑制方法

针对Hilbert-Huang变换方法中由于信号经验模态分解(empirical mode decomposition,简称EMD)过程中所存在的端点效应问题,分析了现有数据延拓方式的利弊,并在基于斜率(slope based method,简称SBM)方法以及改进方法(improved slope based method,简称ISBM)的基础上提出了一种全新的基于斜率再优化(re-optimization slope based method,简称RO-SBM)方法用于信号序列的极值点延拓,然后对延拓后的数据进行EMD分解,得到相应的本征模函数(intrinsic mode function,简称IMF)分量.数值仿真结果表明,采用基于RO-SBM方法进行数据延拓,相比镜像延拓以及ISBM方法,可以更有效地抑制EMD中的端点效应问题,提升HHT方法的信号分析性能.通过基于RO-SBM方法进行数据延拓的HHT方法准确分离出了某转子系统的局部碰摩径向振动信号中所包含的故障特征分量,并将此方法成功应用于旋转机械故障诊断领域.     

基于RO-SBM的Hilbert Huang变换端点

针对Hilbert-Huang变换方法中由于信号经验模态分解(empirical mode decomposition, 简称EMD)过程中所存在的端点效应问题,分析了现有数据延拓方式的利弊,并在基于斜率(slope based method, 简称SBM)方法以及改进方法(improved slope based method,简称ISBM)的基础上提出了一种全新的基于斜率再优化(re-optimization slope based method, 简称RO-SBM)方法用于信号序列的极值点延拓,然后对延拓后的数据进行EMD分解,得到相应的 本征模函数(intrinsic mode function,简称IMF)分量。数值仿真结果表明,采用基于RO-SBM方法进行数据延拓,相比镜像延拓以及ISBM方法,可以更有效地抑制EMD中的端点效应问题, 提升HHT方法的信号分析性能。通过基于RO-SBM方法进行数据延拓的HHT方法准确分离出了某转子系统的局部碰摩径向振动信号中所包含的故障特征分量,并将此方法成功应用于旋 转机械故障诊断领域。     

基于支持矢量回归机的Hilbert-Huang变换端点效应问题的处理方法

Hilbert-Huang变换的端点效应表现在两个方面,对信号进行经验模态分解(Empirical mode decomposition, EMD)和对各个内禀模态函数(Intrinsic mode function,IMF)进行Hilbert变换时都会产生端点效应。为了克服 Hilbert-Huang变换中的端点效应,采用支持矢量回归机对信号延拓后再进行经验模态分解,该方法可以有效地克服EMD方法的端点效应问题,得到具有物理意义的内禀模态函数;然后再次采用支持矢量回归机对IMF分量进行延拓后进行Hilbert变换,可有效地抑制Hilbert变换中的端点效应,获得准确的瞬时频率和瞬时幅值,从而得到具有物理意义的Hilbert谱。对仿真和实际信号的分析结果表明,基于支持矢量回归机的数据序列延拓方法能有效地解决Hilbert-Huang变换中存在的端点效应问题,而且其效果优于基于神经网络的数据序列延拓方法。     

EMD端点双极值延拓方法研究

使用经验模态分解（EMD）进行信号处理过程时，端点效应抑制是关键步骤。这里提出了一种基于包络匹配的双极值点延拓算法，实现了对EMD分解过程中端点效应的抑制处理，并通过了仿真验证。首先，将端点处连续的几个极值点的包络线作为模板子波；再者将模板子波与波形内部的极值包络进行有效匹配；然后将匹配区段前方的两个极值点作为延拓极值进行极值延拓，实现了抑制EMD分解过程中端点效应的目标。并通过仿真数据，验证了算法的有效性。     

基于边界特征尺度匹配延拓的EMD改进方法及应用

针对经验模态分解(empirical mode decomposition,EMD)中存在的端点效应问题,提出一种边界局部特征尺度延拓的EMD改进方法。通过计算信号边缘处与信号内部任何一段子波的匹配误差,确定信号的规律性强弱。在信号内在规律性较强的情况下,进行内在的匹配波形延拓,最大限度地维护信号的内在趋势;在信号规律性较弱的情况下,特别是信号边缘发生异常变化的情况下,只考虑边缘处的局部信息,根据边缘局部极值点的特征进行延拓,对延拓的极值点序列进行包络拟合,估计出均值曲线。该方法保证了信号有效数据的正确分解,提高了信号的分解精度,实现了EMD算法的改进。仿真实验验证了该方法能较好地抑制EMD端点效应。     

EMD端点效应抑制的一种实用方法

根据工程上常见的非平稳随机信号可预测性差、波形不规则等特点,在研究和总结现有端点延拓方法的基础上,提出了一种实用的端点效应抑制方法——极值平移法。该方法以信号端点及其附近极值的特征作为延拓依据,分别在信号两端各添加2个极大值点和2个极小值点,以此达到抑制端点发散的目的。仿真信号和实测响应的分解结果表明,该方法计算效率高,可有效减轻端点效应对经验模态分解(EMD)结果的影响。     

基于波形平均的经验模态分解端点效应抑制方法

经验模态分解(EMD)作为一种非常灵活的自适应时频分析方法,已广泛用于旋转机械故障诊断中的振动信号分析。但是,经验模态分解存在两个问题:端点效应以及模态混叠。针对EMD中存在的端点效应问题,在积分延拓局部均值分解(IELMD)的基础上,提出了一种利用波形平均来改进IELMD的方法。该方法利用一组相似波形来代替最佳匹配波形与特征波形相匹配,通过对相似波形左边或右边波形取平均得到延拓波形,将其附加在原始信号左端或右端。仿真和应用结果表明,与IELMD方法相比,该方法能够更有效地抑制经验模态分解端点效应。     

一种抑制EEMD端点效应的改进SVR方法

针对总体平均经验模式分解(EEMD)中存在的端点效应问题,考虑到极值延拓只利用端点附近的值、基于数据点的支持向量回归机(SVR)延拓耗时长的缺点,将极值延拓和SVR数据预测延拓结合起来,提出了一种基于极值点的SVR延拓新方法。该方法通过找出信号中的所有极值点,先将端点附近的极值点作为SVR训练样本对信号极值点幅值进行延拓,并利用原信号所有相邻极值点时间尺度之差的平均值来控制延拓极值点的形状,再利用埃尔米特插值将延拓的极值点插值成所需要的数据点完成对信号的延拓。方法既参照了信号两端的变化趋势,又综合考虑了整个数据序列内部极值点的信息。通过仿真信号和对端点效应影响严重的实测液压故障信号分析表明,基于极值点的SVR延拓方法不仅提高了EEMD分解的精度和可靠性,有效地抑制了端点效应现象,解决了端点效应引起的分解失真问题,而且大幅减少了SVR延拓需要延拓的数据点,明显缩短SVR延拓的时间,提高了方法的实用性。     

黄河上游贵德站年径流量变化的分析

希尔伯特—黄变换是近年来处理非线性、非平稳信号的一种新方法.其本质是通过经验模态分解,将时间信号中不同尺度的波动或趋势逐级分解,从而产生一系列具有不同时间特征尺度的固有模态函数.然而经验模态分解过程中的端点效应是一个重要而棘手的问题.采用黄河上游贵德站1920年—2003年的年径流量资料,对比分析了无端点处理和用极值点对称延拓法处理的效果,并分析了贵德站年径流量的变化规律.