爆破地震波信号EMD端点效应抑制研究

针对爆破地震波信号经验模态分解(EMD)得到的IMF在端点处的发散现象，提出一种同时考虑信号端点发展趋势和全局时间-能量联合参数的改进EMD端点效应抑制算法。该算法首先考虑端点变化趋势得到延拓后的边界局部特征尺度X₀,再计算X₀的能量E₀,找到原始信号中和E₀最匹配的分段信号X_k,最后用X_k代替X₀进行EMD。通过建立仿真信号，验证该算法和常规端点效应抑制算法相比，对EMD端点效应具有更好的抑制能力，能够得到精度更高的IMF。最后将该算法用于实际爆破地震波信号分解中，发现提出的算法能够有效抑制EMD端点效应，有利于爆破地震波信号细节特征参数的提取。     

基于EP-CEEMDAN-PED的隧道扩挖爆破网络延时分析

经验模态分解(empirical mode decomposition, EMD)固有的端点效应和模态混淆导致其在进行爆破网络延时分析时出现不容忽视的误差。为了获得爆破现场实际网络延时,判断批次雷管的安全性,必须对EMD进行改进。通过对爆破地震波监测信号进行端点处理（endpoint processing, EP）,改善EMD在处理信号实际端点时出现的端点突变现象,进而抑制EMD端点效应,提高固有模态函数（intrinsic mode function,IMF）的稳定性和精度。对EMD进行改进,得到自适应补充集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN),抑制低频趋势项模态混淆,并结合排列熵检测(permutation entropy detection, PED)来控制高频模态混淆。得到的EP-CEEMDAN-PED算法能识别微差爆破实际延期时间,且能有效克服EMD固有的端点效应和模态混淆现象,结合干扰减振法,可计算实际隧道扩挖爆破合理减振微差时间为55.14~57.93 ms,对爆破振动控制具有重要的现实意义。     

一种抑制EMD端点效应新方法及其在信号特征提取中的应用

经验模式分解(EMD)的端点效应一直是困扰其工程实用性的难点问题,结合端点效应产生机理和现有的研究成果,提出了一种基于端点优化对称延拓(End Optimization Symmetric Extension,EOSE)的抑制EMD端点效应新方法.通过对信号和其包络线的偏差评价函数的最小化计算,获取最佳的信号端点值,在此基础上延拓信号的上、下包络线将最大化地逼近原始信号两端点,在EMD后续"筛选"固有模态分量(IMF)过程中抛弃两端延拓的数据,将端点效应释放到原始信号的以外.将原EMD、基于EOSE改进EMD和基于时间序列建模(ARMA)改进EMD3种方法进行对比分析,仿真和实验结果表明,基于EOSE方法抑制EMD端点效应的效果最好,能够精确提取出旋转机械振动信号的典型故障特征,运算效率较高.     

一种基于GEP的EMD端点效应抑制方法

针对经验模态分解(EMD)在分解信号时存在的端点效应问题,为抑制端点效应对信号分析带来的影响,进一步提高EMD分解准确度,提出基于基因表达式编程(GEP)的EMD改进算法。通过仿真实验与镜像延拓等其他3种常用端点效应抑制方法作对比,并计算评价端点效应的两个指标,最后,通过这4种方法分别测量出原始信号的瞬时频率以作验证。仿真结果表明:基于GEP的EMD改进算法在分解信号后各分量两端发散程度最小,评价指标也均优于其他3种传统的改进方法,且更加准确地测量出原始信号的瞬时频率。证明该改进算法能更有效地抑制EMD端点效应,具有更高的应用价值。     

EMD端点效应的改进型混沌延拓方法及其在机械故障诊断中的应用

针对经验模态分解(Empirical Mode Decomposition,EMD)的端点效应问题,分析了三次样条插值产生端点效应的机理,指出了现有延拓方法的不足,提出采用Lyapunov指数预测模型进行边界延拓,以此减小端点效应在经验模态分解过程中产生的影响。在采用最大Lyapunov指数法进行边界延拓时,针对Lyapunov指数预测模型所表示的平均发散度仅是轨道演化规律的一个近似模型,提出采用局域发散度代替最大Lyapunov指数进行改进,以改进预测模型的预测精度。基于改进型Lyapunov指数边界延拓方法,由于引入时间序列预测模型使端点处的延拓更加合理,所延拓数据更加趋于真实,在希尔伯特-黄变换（Hilbert-Huang Transform,HHT）实现过程中仅需一次延拓,实现了准确的EMD分解。仿真计算和转子系统故障试验分析结果表明,所用方法可以有效解决EMD的端点效应问题。     

一种EMD改进方法及其在旋转机械故障诊断中的应用

针对经验模态分解(Empirical Mode Decomposition, EMD)中存在的端点效应问题,提出一种波形特征匹配延拓与余弦窗函数相结合的改进方法。首先对信号进行波形特征匹配延拓,实现延拓数据与原信号交界处的光滑过渡,避免边界处瞬时频率的跳跃;其次针对该延拓方法存在延拓误差的问题,对信号加余弦窗处理,将延拓误差控制在信号两端,使其无法(或以较慢速度)向数据内部发展,保证信号有效数据的正确分解,提高信号的分解精度,实现EMD算法的改进。通过仿真分析和不对中故障诊断实例研究表明,该方法能较好地抑制EMD端点效应,实现旋转机械故障的有效诊断。     

LEMD端点延拓方法及其在微震信号降噪中的应用

针对非平稳的微震信号,采用经验模态分解(Empirical Mode Decomposition,EMD)方法对其滤波、消噪。但该方法在应用中存在严重的端点效应,会影响分解结果。为了改善端点效应,针对微震信号低频特点,提出了基于LMS自适应滤波器对微震数据端点处进行波形延拓的方法。LMS自适应滤波器经过信号内部的数据训练后从端点处向左右延拓波形,延拓过程中生成符合内部信号趋势的极小值和极大值,波形的延拓长度由延拓算法自适应决定。在EMD对信号分解过程中得到前一层模态分量后均再次对剩余信号进行延拓,进而进行下一层分解,以此修正插值算法带来的误差。最后根据信号频率特点对得到的模态分量有选择的重构,达到降噪的目的。利用仿真数据和煤矿微震监测数据对LMS自适应延拓法进行了验证,结果表明该方法能够明显减小经验模式分解的端点效应,特别对低频的微震信号有很好效果。     

改进EMD端点效应电力系统HHT谐波检测研究

为对电力系统谐波进行有效的检测,提出一种改进的基于镜像延拓的方法对信号数据边界进行端点处理。通过对端点和极值点的判断比较来选取镜面进行延拓,按照包络原则对延拓之后的信号进行经验模态分解(EMD),并得到IMF分量。仿真实验结果表明:改进后的方法幅值及频率检测准确度明显优于改进前,能够有效改善EMD端点效应,准确快速地分解出各种模态的谐波,适用于电力系统谐波的检测。     

EMD自适应三角波匹配延拓算法

波形匹配延拓是遏制经验模态分解（EMD）端点效应的有效方法,针对现有波形匹配延拓方法的不足,提出了一种自适应的三角波形匹配延拓方法,改进了三角波匹配度的计算方法和匹配子波的寻优算法。改进的三角波匹配度计算方法,突出延拓平顺性的同时,加强了端点处数据与内部波形的关联。自适应的匹配寻优算法,首先在固定极值点对应的波段内部搜寻局部最佳子波的截取时刻,截取局部最优匹配子波,然后在局部最优子波内搜寻全局最优匹配子波,提高了子波截取的合理性与匹配的准确性。仿真信号及实验信号分析表明,该方法可有效抑制EMD端点效应,显著提高分解精度。     

基于延拓与可变余弦窗的经验模态分解改进算法研究

针对经验模态分解(Empirical Mode Decomposition,EMD)中存在的边界效应及边界发散现象随着筛选层次的增加而增加的问题,提出一种利用延拓与可变余弦窗相结合的改进新方法。首先对信号进行延拓处理,增加一定长度的数据,实现延拓数据与原始信号交界处的光滑过度。其次,根据信号边界的发散程度,在逐层提取各阶本征模函数（Intrinsic Model Function,IMF）之前,在信号两端加上宽度可变的余弦窗函数,使得每一个IMF分量边界发散问题最小化,保证信号有效数据的正确分解,实现EMD边界处理算法的改进。仿真和实例信号分析表明,该方法能较好地抑制EMD边界效应,有效地提取故障信号中的特征信息。     

一种改善EMD端点效应的可行方法

EMD方法自1998年推出以来已经成功地应用在许多非线性研究领域,但是,在应用EMD方法时有一个非常棘手的问题即端点效应问题。本文基于不必破坏信号本身端部特征的原则,提出了一种对信号端点极值进行合理预测的方法,在信号的端点分别添加两个极值点进行极值延拓。通过仿真实验分析,此方法对于处理较短数据序列,能够有效地抑制端点效应。     

一种EMD端点延拓算法及其在齿轮故障诊断中的应用

经验模态分解（Empirical Mode Decomposition,简称EMD）是目前分析非平稳信号的有效方法,但在分解过程中由于存在着严重的端点效应而影响分解结果。利用灰色理论的GM(1,1)模型来预测和修正端点的延拓值,使得在筛分过程中可以得到有效的三次样条插值包络线,从而抑制端点效应。通过对齿轮故障信号的分解验证,结果表明该方法是合理的。     

Hilbert-Huang变换中的一种端点延拓方法

EMD(Empirical Mode Decomposition)是Hilbert-Huang变换中的关键一步,但其在构造极值点上下包络线的过程中存在着严重的端点效应问题。在现有解决该问题方法的基础上提出了一种相似极值延拓方法。该方法将数据两端相邻极值点的横坐标差值作为极值形状特征,再利用该形状特征和已知极值点的均值对信号进行延拓。克服了现有延拓方法仅参照数据端点处极值点进行延拓的缺陷,综合考虑了数据序列两端极值点变化与其它极值点信息对信号进行延拓。仿真和实例证明,相似极值延拓方法能够有效的抑制端点效应,而且算法简单且易于实现。     

EMD改进方法研究及其在燃气轮机工频特征提取中的应用

为抑制经验模态分解(empirical mode decomposition,EMD)处理过程中的端点效应,在整理和研究现有方法的基础上,提出一种镜像延拓和极值平移相结合的端点处理方法,在最大程度地融合两种传统方法优点的同时尽可能地还原信号边界特征。该方法通过构造特征平行四边形使延拓极值处于理想区域,从而避免三次样条差值过程中包络线与信号交叉的产生,并引入Blackman窗函数对延拓信号进行边界处理,进而有效地控制延拓误差影响。经过仿真信号验证与实测信号分析,对比镜像延拓、极值平移与加窗边界处理方法的端点抑制效果,证明该改进方法能有效地抑制分解过程中出现的端点效应,并能在高频噪声干扰下较完整地提取低频信息,为燃气轮机工频特征的获取提供可靠的保证。     

基于希尔伯特变换结构模态参数识别

应用HHT方法对GARTEUR飞机模型模态参数进行识别,通过采用多通带滤波器对信号进行滤波,较好的解决模态混叠问题,采用NExT法对信号预处理,由EMD分解获得较准确的各阶固有模态函数分量（IMF）,在EMD分解中使用镜像延拓方法对极值点进行处理来抑制端点效应,然后将分解得到的IMF分量进行希尔伯特变换并结合ITD法识别出各阶固有频率和阻尼比。最后对悬臂梁进行数值仿真模拟,并将模态参数识别结果和理论值进行对比,并运用此方法进一步识别GARTEUR飞机模型固有模态参数。     

综合斜率和三次样条的EMD端点效应抑制方法EI北大核心CSCD

端点效应会严重影响经验模态分解(empirical mode decomposition,EMD)提取本征模态函数(intrinsic mode function,IMF)的效果。针对基于三次样条端点延拓算法(cubic spline based method,CSBM)在设置延拓点坐标位置时缺乏对信号趋势进行考量的缺陷,结合改进斜率延拓方法(improved slope based method,ISBM)的设计思想,提出一种综合斜率变化率和三次样条的EMD端点延拓方法。新方法的主要创新点在于利用斜率变化率度量信号变化趋势,并基于信号和包络趋势来设置延拓点坐标信息。通过选取四组不同类型模拟信号以及两组实际工程应用信号,利用正交指数、均方误差和能量误差三个度量指标对算法性能进行评价。试验结果表明,所提方法的性能在整体上优于CSBM和ISBM方法。     

振动信号中的HHT/EMD端点延拓方法研究

针对振动信号中Hilbert-Huang变换的端点效应问题,结合端点效应产生机理和现有研究成果,提出基于时间尺度的LS-SVM端点延拓的抑制端点效应新方法。首先利用LS-SVM回归特性和一种自适应预测法分别对信号极值点的幅值和时间点进行预测延拓,然后对预测的极值信息进行埃尔米特插值,完成对原信号的延拓。利用仿真信号和实测航空发动机振动信号进行分析验证,表明该方法可同时有效抑制两种端点效应,并具有预测精度高、有效延拓距离长、速度快的特点。     

优化HHT端点效应的新方法

在旋转机械的故障诊断中,希尔伯特-黄变换（HHT）方法常用于提取故障特征信号以及分解结果的时频分析,然而,在HHT中会出现端点效应问题,且导致模态混叠和虚假本征模态函数（IMF）等一系列问题。针对这一问题,提出了利用广义回归神经网络（GRNN）和边界局部特征尺度延拓（BLCC）相结合的方法先对信号延拓,再进行经验模式分解（EMD）。通过仿真与故障实验,在时域、频域和希尔伯特-黄谱的相关参数的情况下,对比镜像延拓优化的HHT分解结果,验证了所提方法的有效性。实验结果表明:所述方法能够有效地抑制HHT中的端点效应,且减轻了模态混叠和虚假IMF分量,同时能准确地表现信号的真实结构成分。     

Hilbert-Huang变换在水声瞬态信号处理中的应用

1引言Hilbert-Huang Transform(HHT)是近年来发展起来的一种新的时间序列信号分析方法[1],其核心是经验模态分解(Empirical Mode Decomposition,EMD),能把复杂的信号分解为若干固有模态函数     

基于CEEMDAN·MPE-NHT的爆破地震波信号时频分析

针对希尔伯特-黄变换(Hilbert-Huang Transform, HHT)处理混有噪声的爆破地震波信号时，会出现时频分析失真的现象，对影响HHT时频分析精度的因素进行逐一改进，得到改进后的算法来提高含噪爆破地震波信号时频分析精度。首先对经验模态分解(Ensemble Empirical Mode, EMD)进行改进得到自适应补充集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN)抑制低频趋势项，同时添加多尺度排列熵(Multiscale Permutation Entropy, MPE)代码控制高频噪声，最后对CEEMDAN·MPE得到的IMF进行归一化Hilbert变换(Normalized Hilbert Transform, NHT),通过上述三步即可改善传统HHT含噪爆破地震波信号时频分析精度不足的问题。为验证CEEMDAN·MPE-NHT算法时频分析的准确性，进行HHT和CEEMDAN·MPE-NHT算法的含噪仿真信号时频分析对比研究，并将CEEMDAN...