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.     

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。     

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和深度卷积神经网络的房颤检测

房颤是一种常见的心律失常,其发病率会随着年龄增长而升高。因此,从心电(ECG)信号中尽早识别出房颤,有助于降低中风风险和心源性死亡率。为有效提高其检测准确率,该文提出一种基于希尔伯特黄变换(HHT)和深度卷积神经网络的房颤检测方法。1维的时域心电信号通过希尔伯特黄变换,转换为时频域信号,旨在通过时频分析,丰富原始信号的特征。进而,采用DenseNet深度卷积神经网络来处理精细的时频图,并在迭代过程中选出最佳检测模型。该方法获得的最佳检测模型在麻省理工学院-贝斯以色列医院(MIT-BIH)和2017年生理信号竞赛(2017 PhysioNet Challenge)的房颤数据集上分别取得了99.11%和97.25%的检测准确率。此外,该文将希尔伯特黄变换与其他时频分析方法以及稠密网络(DenseNet)与其他卷积神经网络进行了对比。相比于其他检测方法,实验结果表明希尔伯特黄变换和深度卷积神经网络(DCNN)为房颤检测提供了更加准确的识别方式。     

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.     

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。     

基于希尔伯特变换的数字全息位相重构技术

为了提高数字全息重构的精度,采用希尔伯特变换的方法对数字全息位相重构进行了理论分析和实验验证。首先利用傅里叶变换滤除全息图中的0级项,然后运用希尔伯特变换对已经滤除0级项的全息图实现90°相移,并构造出解析信号,从而可以求出物体的包裹位相,最后利用最小二乘法进行位相解包裹得到物体的真实位相;并将希尔伯特变换法与常规傅里叶变换法重构的实验结果进行了对比和分析,获得了标准偏差的对比数据。结果表明,该方法比常规傅里叶变换法重构精度要高。这一结果对提高位相重构的精度是有帮助的。     

一种基于希尔伯特变换的相位差测量方法

文章研究了一种基于希尔伯特变换的相位差测量方法,利用希尔伯特变换对信号有90度的相移这一特性,再通过简单的数学运算,得出只关于相位角的时间函数,能够检测出两路正弦信号的相位差,分别讨论了信号的A／D最化位数,信噪比,采样频率对测量结果的影响,同时也给出了该方法对随时间变化的相位差的测量结果,结果证明了该方法能够很好的实现相位差的动态测量。     

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。     

Hilbert Transform and Statistical Analysis for Channel Selection and Epileptic Seizure Prediction

This paper is concerned with Electroencephalography (EEG) seizure prediction, which means the detection of the pre-ictal state prior to ictal activity occurrence. The basic idea of the proposed approach for EEG seizure prediction is to work on the signals in the Hilbert domain. The operation in the Hilbert domain guarantees working on the low-pass spectra of EEG signal segments to avoid artifacts. Signal attributes in the Hilbert domain including amplitude, derivative, local mean, local variance, and median are analyzed statistically to perform the channel selection and seizure prediction tasks. Pre-defined prediction and false-alarm probabilities are set to select the channels, the attributes, and bins of probability density functions (PDFs) that can be useful for seizure prediction. Due to the multi-channel nature of this process, there is a need for a majority voting strategy to take a decision for each signal segment. Simulation results reveal an average prediction rate of 96.46%, an average false-alarm rate of 0.028077/h and an average prediction time of 60.1595 min for a 90-min prediction horizon.

     

运用希尔伯特黄变换进行多分量信号的频散分析

基于谱分析原理将希尔伯特黄变换应用于多分量信号的频散分析,通过希尔伯特时频能量谱获得每个单分量信号的能量分布和群速度,通过希尔伯特时频相位谱获得每个单分量信号的相速度.在相速度的计算过程中提出异步相差和校正相差的算法,可以有效避免相位解缠.仿真结果表明,上述方案可以获得较为准确的频散分析结果.     

一种基于Hilbert变换的R波检测算法

基于希尔波特(Hilbert)变换性质和自适应阈值检测原理,本文提出一种新的心电信号R检测算法。该方法经MIT-BIH心电数据库数据验证,可有效降低基线漂移和高频噪声的干扰,克服高大P波和T波的影响,准确检测率在99．84%以上,算法简单,实时性好。     

基于Hilbert变换的电压凹陷检测方法

电压凹陷是严重的动态电能质量问题之一,补偿电压凹陷能带来巨大的经济效益.而实现电压凹陷特征量的快速、准确检测是电压凹陷补偿的前提,因此电压凹陷特征量的检测方法及补偿指令的产生成为目前对DVR研究的一个热点.采用Hilbert变换与后差分相结合的检测方法,首先利用Hilbert变换可对凹陷电压信号的幅值进行检测,然后采用后差分得到电压凹陷的起止时刻,不但提高了检测精度,还能实时产生电压补偿指令信号.通过Matlab对其进行仿真,仿真结果表明了该检测方法简单、快速、准确的优点.     

Cognitive IoT-Cloud Integration for Smart Healthcare: Case Study for Epileptic Seizure Detection and Monitoring

We propose a cognitive Internet of Things (IoT)–cloud-based smart healthcare framework, which communicates with smart devices, sensors, and other stakeholders in the healthcare environment; makes an intelligent decision based on a patient’s state; and provides timely, low-cost, and accessible healthcare services. As a case study, an EEG seizure detection method using deep learning is also proposed to access the feasibility of the cognitive IoT–cloud smart healthcare framework. In the proposed method, we use smart EEG sensors (apart from general healthcare smart sensors) to record and transmit EEG signals from epileptic patients. Thereafter, the cognitive framework makes a real-time decision on future activities and whether to send the data to the deep learning module. The proposed system uses the patient’s movements, gestures, and facial expressions to determine the patient’s state. Signal processing and seizure detection take place in the cloud, while signals are classified as seizure or non-seizure with a probability score. The results are transmitted to medical practitioners or other stakeholders who can monitor the patients and, in critical cases, make the appropriate decisions to help the patient. Experimental results show that the proposed model achieves an accuracy and sensitivity of 99.2 and 93.5%, respectively.     

The Number Theoretic Hilbert Transform

This paper presents a general expression for a number theoretic Hilbert transform (NHT). The transformations preserve the circulant nature of the discrete Hilbert transform matrix together with alternating values in each row being zero and non-zero. Specific examples for 4-, 6-, and 8-point NHT are provided. The NHT transformation can be used as a primitive to create cryptographically useful scrambling transformations.     

利用希尔伯特变换进行谐波恢复

非高斯有色噪声中具有相位耦合的谐波恢复问题是迄今为止没有得到很好解决的问题，本文基于希尔伯特变换和高阶累积量提出一种新方法：ＨＢＳＴＣＨ－ＳＶＤ－ＴＬＳ。仿真实验表明，该方法不仅次好地解决了非高斯有色噪声中的具有二次相位耦合的谐波恢复问题，而且具有广泛的适用性。     

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。     

基于分数阶Hilbert变换的多路加密

基于分数阶Hilbert变换的单边带通信可以同时将分数阶旋转角度作为加密密钥,从而保证通信安全。但基于分数阶Hilbert变换的单边带通信加密技术只能让信号使用一个加密密钥。为了达到增大密钥空间以更有效地保证信息安全的目的,采用多通道滤波器组分路处理的方法,在减少了系统计算复杂度的基础上增大了密钥空间。