分数阶希尔伯特变换的复包络分析

分数Hilbert变换,也即传统的Hilbert变换由整数阶向分数阶的推广,由此其应用领域也得到了扩展,譬如在通信中的单边带调制解调系统,图像的边缘提取等领域中得到广泛的应用。首先,文中回顾了利用经典希尔伯特变换的正交性把经典的Hilbert变换的定义形式进行广义化后得到的分数阶Hilbert变换,并讨论了由分数阶Hilbert变换构造的两类复信号,最后讨论了这两类复信号的包络提取并且给出了具体的实例。     

希尔伯特-黄变换在海浪资料分析中的应用

海浪是一种非线性、非稳态线性波动过程,常用的傅里叶分析分辨率不高,且会产生不存在的噪声信号.对此,将Hilbert-Huang变换应用到海浪资料分析中,即通过经验模态分解把海浪分解成13个子波,再对这些子波进行Hilbert变换,得到海浪的Hilbert谱.数据分析发现,该方法在得到风浪和涌浪的子波分量的同时,还得到了浅水碎波拍的子波分量,并清楚地表明了海浪高频有界性和微弱低频波动的存在.     

希尔伯特-黄变换在海浪资料分析中的应用

海浪是一种非线性、非稳态线性波动过程,常用的傅里叶分析分辨率不高,且会产生不存在的噪声信号。对此,将Hilbert-Huang变换应用到海浪资料分析中,即通过经验模态分解把海浪分解成13个子波,再对这些子波进行Hilbert变换,得到海浪的Hilbert谱。数据分析发现,该方法在得到风浪和涌浪的子波分量的同时,还得到了浅水碎波拍的子波分量,并清楚地表明了海浪高频有界性和微弱低频波动的存在。     

关于希尔伯特变换的分析和研究

首先从数学定义上直观地分析希尔伯特变换,接着讨论了离散希尔伯特变换的基本原理,并研究如何利用有限冲激响应滤波器(FIR)设计方案来实现该变换。最后,举例说明希尔伯特变换在数字I—Q下变频器中的应用,以便学生更好地掌握这一概念。     

希尔伯特-黄变换和小波变换用于谐波分析的比较研究

电力系统的谐波分析方法应该有良好的计算效率,并有良好的时域和频域分辨率。迄今为止,小波变换被广泛地应用于这个领域,但是小波基的选取等问题还需要进一步研究。近几年来,希尔伯特-黄变换的应用越来越多,该方法运用简便,而且并不涉及频率分辨率和时间分辨率的矛盾问题,是一个有很好应用前景的分析方法。把上述两种方法应用于电力系统的谐波分析,比较了两者的优缺点。结果表明,希尔伯特-黄变换有较好的计算效率,以及较好的时域和频域分辨率,但存在端点飞翼和瞬时频率轻微波动两个问题。     

基于希尔伯特-黄变换的多项式相位信号检测

本文运用适合非线性非平稳信号分析的希尔伯特-黄变换,通过对含噪多项式相位信号进行经验模式分解和Hilbert谱分析,采用曲线拟合和最小二乘迭代方法,准确地估计出单一幅度恒定的多项式相位信号,从而提出了一个适合非线性非平稳信号的检测方法.仿真结果表明该方法在信噪比>10dB情况下能够准确有效地检测出非平稳信号,与基于Wigner-Ville分布的信号检测方法相比,具有更好的准确性和有效性.     

希尔伯特变换及其应用研究

无论是在无线电通信还是在无线电监测过程中，关键是要知道无线电信号的三个特征参数，即频率、幅度和相位信息。这三个特征参数完整地描述了无线电信号及其本身所传递的信息，这正是我们所关心的。本文介绍如何利用希尔伯特变换的方法来获取无线电信号的特征参数信息。     

基于希尔伯特-黄变换的距离保护及其应用

距离保护作为电力系统的重要继电保护形式,对保证电力系统的安全稳定运行有着重要的意义。当电力系统发生故障时,故障暂态信号中的谐波分量与衰减直流分量对距离保护的准确性有着不利的影响,如何克服故障信号中暂态分量的影响成为提高距离保护可靠性的关键。本文提出了一种基于希尔伯特-黄变换的距离保护形式,利用希尔伯特-黄变换实现了故障信号中基频分量的提取,有效避免了故障暂态分量的影响,大大提高了距离保护的可靠性。     

基于希尔伯特黄变换的癫痫自动检测

希尔伯特黄变换是由经验模态分解和希尔伯特变换所组成的,在非线性、非稳态信号处理方面具有独特的优势。本文首先对脑电波信号进行模态分解,然后根据希尔伯特变换求得各本征模态函数的瞬时频率并依此计算出均值、方差及其核心频率区间等特征,并选取若干个本征模态函数的频率特征组成一个长的特征向量,称之为希尔伯特黄频率特征环。根据该特征向量,本文进一步采用支持向量机对癫痫和非癫痫脑电波信号进行学习和分类,并采用格点搜索的方法来选取支持向量机中的最优参数。通过在典型癫痫脑电波数据集上的5重交叉验证得出本文所提出的新方法在分类准确率上已经超越或接近现有的分类方法。      

希尔伯特-黄变换在谐波和间谐波检测中的应用

提出了一种检测电力谐波和间谐波的方法。将Hilbert-Huang变换（Hilbert—Huang Transform,HHT）用于谐波检测中,应用该方法可以提取任意频次的谐波信号。首先,运用经验模态分解处理含谐波的信号,得到一组平稳的固有模态函数分量。然后,对每个固有模态函数分量进行希尔伯特变换,得到每个模态分量的瞬时幅值和瞬时频率,从而检测出各种分量的谐波和间谐波的参数。仿真研究表明该方法的可行性与有效性,并且可以准确地确定谐波的幅值、频率和时间。     

经验模式分解(EMD)及其应用

 经验模式分解(Empirical Mode Decomposition,EMD)是一种数据驱动的自适应非线性时变信号分解方法,可以把数据分解成具有物理意义的少数几个模式函数分量.本文总结归纳了一维EMD、二维EMD方面的主要工作,比较了不同方法存在的优点与不足,指出了EMD研究存在的难题和瓶颈,并给出了EMD研究与应用的发展趋势.     

水下目标特征提取中希尔伯特黄变换方法的应用

由于传统时频分析方法的水下目标特征提取受到一定的制约,为解决之一问题,采用希尔伯特黄变换的方法可进行水下目标特征的提取,结果说明,希尔伯特黄变换方法对于信号的时频特性具有较高的分辨能力,其比较适用于水声平稳信号的分析。     

基于多分辨率Trace变换的纹理图像分类

针对Trace变换提取的图像特征缺乏对纹理边缘信息描述和计算代价高的问题,利用小波变换对图像轮廓的表征优势,提出了多分辨率Trace变换并应用于纹理图像分类.首先,将小波变换引入到Trace变换中,对纹理图像进行非下采样小波变换,得到不同频率的低频特征子图及高频边缘子图;其次,在各级子图上进行一组泛函的Trace变换,获取纹理图像的融合特征,在获得图像边缘信息的同时避免了Trace变换不同泛函组合计算代价过高的问题;最后,把融合特征送入支持向量机对图像进行分类.实验结果表明,对图像采用多分辨率Trace变换提取的融合特征具有更好的纹理描述能力,相对于传统Trace变换及MCM等对比方法具有更高的鉴别性能,且在时间效率上相对于传统Trace变换有大幅提升.     

基于希尔伯特-黄变换的OTDR事件定位

希尔伯特-黄变换(HHT)适用于信号奇异性分析.将光时域反射仪(OTDR)信号进行经验模式分解(EMD),得到本征模式函数(IMF),针对低阶的IMF分量分别进行Hilbert变换,做出时间-幅度谱和时间-频率谱,选取时间-幅度谱,采用模极大值法,确定OTDR事件发生的位置.     

运用分频段希尔伯特黄变换进行多分量信号的频散分析

将分频段希尔伯特黄变换应用于多分量信号的频散分析中.首先,利用带通滤波器和经验模态分解相结合,成功实现了经验模态频率分解,并准确提取了经验频率模态函数;然后,使用该方法准确地获取了多分量含噪信号的时频能量谱和时频相位谱;最后,基于同步相差和异步相差算法,精确绘制了原信号的相速度频散分析曲线.数值试验表明,该算法拥有较高的时频分辨能力和良好的抗噪性能,对于复杂且信噪比较低的信号,能获得比传统希尔伯特黄变换更准确的频散分析结果.     

希尔伯特-黄变换在SAR信号处理中的应用研究

合成孔径雷达（SAR）回波信号是一个典型的非线性非平稳信号,联合时频分析理论是分析此类信号的最佳选择。本文引入一种新的时频分析方法——希尔伯特．黄变换（HHT）,与传统的魏格纳-威利分布（WVD）相比较,对SAR回波信号进行检测,判断目标的存在,验证了希尔伯特-黄变换在SAR信号处理中的可用性及能量聚集性。     

基于Contourlet变换的人脸图像超分辨率技术研究

采用Contourlet变换,对基于学习的人脸图像超分辨率技术进行了研究.为了表示人脸特征,首先建立了Contourlet金字塔,针对Contourlet变换特征存在的不足,采用Contoudet变换的方向滤波器(DFB)对高斯金字塔的一阶和二阶梯度特征进行方向滤波,提取滤波后的特征作为新增加的特征.然后针对人脸的特殊性,在匹配过程中采用对应点进行匹配的方法,既保持了匹配的准确性又加快了匹配速度.最后采用最小欧式距离进行最优匹配的选择,对该距离进行判断.针对不同的距离采用不同的复原方法.实验结果表明,本文算法复原出的超分辨率人脸图像具有更好的视觉效果,更逼真、更接近于原始高分辨率图像.     

基于小波变换的全向图像分辨率增强方法

本文提出了一种基于小波变换的全向图像分辨率增强算法,根据全向图像成像的退化模型,利用小波系数的自相似性及其模的极值点在各层间的传递性,对全向图像丢失的高频成分进行补偿,结合对图像序列中的各帧进行融合的方法,达到分辨率增强的目的.实验结果显示这是一种有效的分辨率增强方法.