希尔伯特边际谱在语音情感识别中的应用

利用希尔伯特．黄变换（Hilbert-Huang Transform,HHT）对情感语音进行处理,得到其边际谱,然后对比分析四种情感即高兴、生气、厌恶、无情感语音信号边际谱的特征,提出四个特征量：子带能量（SE）、子带能量的一阶差分（DSE）、子带能量倒谱系数（SECC）、子带能量倒谱系数的一阶差分（DSECC）用于情感识别。用它们作说话人无关,文本无关的语音情感识别,得到最高90％的识别率,比基于傅立叶变换的梅尔频率倒谱系数（MFCC）高22个百分点。实验结果表明,基于HHT边际谱的特征能够较好地反映语音信号中的情感信息。     

基于HHT的管道阀门内漏声发射检测研究

针对管道阀门内漏声发射信号的非平稳特征,提出将总体平均经验模式分解(EEMD)和希尔伯特变换相结合的希尔伯特黄变换(HHT)方法应用于管道阀门内漏声发射检测中。利用EEMD方法将阀门内漏声发射信号自适应分解为一簇本征模态函数(IMF),并对分解后的信号进行Hilbert谱和HHT边际谱分析,可以提取到阀门内漏声发射信号的本质特征,突破常规时频分析的非线性信号局限性以及经验模式分解(EMD)造成的模态混叠现象;相比于STFT频谱,Hilbert谱具有较高的时频分辨率,最后对信号的Hilbert边际谱分析确定了内漏信号的主要作用频率。该方法可以有效的应用于阀门内漏声发射检测中。     

应用分数傅立叶变换方法的水下目标特征提取

针对基于传统时频分析方法的水下目标特征提取方法的缺陷,引入了一种新的时频分析方法——分数阶傅立叶变换（FRFT）方法用于处理水下目标特征提取问题。仿真信号和实际试验数据的处理结果表明,当主动声纳的发射信号为线性调频信号时,分数阶傅立叶变换方法可以使目标的回波能量在分数阶域的对应区域聚集,使目标和混响的分数阶傅立叶变换在分数阶域上不仅呈现明显不同的特征,而且较其他时频分析方法具有抗混响的优点。     

HHT与神经网络在舰船目标特征提取中的应用

目标识别一直是水声领域的关键技术之一。将高阶累积量用于希尔伯特变换特征提取中,通过对舰船目标辐射噪声信号进行采集,得到舰船目标噪声信号,进而提取目标辐射信号各阶模态的相邻平均瞬时频率比、相对标准差、中心频率、平均强度、高阶矩和高阶累积量等作为特征,最终利用BP神经网络来实现对两类舰船目标的分类识别。通过对实际舰船目标噪声进行识别,验证了该舰船目标识别系统具有较好的识别效果。     

小波尺度谱在AE信号特征提取中的应用

通过分析典型声发射信号及其特征提取,将小波尺度谱引入到声发射故障诊断领域,首次提出了声发射信号的小波尺度谱分析法。给出了小波基函数及其参数的选取,克服了声发射信号小波尺度谱的时、频分辨率不能同时达到最好的缺陷。将小波尺度谱用于声发射检测的滚动轴承损伤类型及部件的识别,诊断结果十分直观、清晰、准确。仿真分析和实验研究均表明小波尺度谱能有效应用于基于声发射技术的状态监测与故障诊断。     

HHT方法在结构模态参数识别中的应用

结合青马桥的实测动力响应记录．研究HHT方法在结构模态参数识别中的应用。为讨论HHT方法处理非平稳数据的性能。将HHT方法分别用于平稳及非平稳的实测记录以识别结构的频率和阻尼，并与有限元分析及谱分析结果进行比较。对比表明HHT方法有很好的识别效果。在处理非平稳性数据方面具有明显优势．适用于土木工程结构的模态参数识别。     

抗频移声谱特征提取及目标分类应用研究

针对目标运动等导致的辐射噪声频谱特征的时变性对目标分类稳定性的影响,提出一种基于时频图像累积变换的抗频移声谱特征提取方法,不仅能够提取淹没在强噪声中的线谱信号,还能够实时给出谱线的参数信息,同时结合听觉特征识别原理,采用抗频移的仿倍频程的三角滤波法提取目标特征。仿真和实际数据处理表明,所提出的特征有助于探测设备克服目标未知的复杂运动带来的频谱时变影响,提高了分类特征的稳定性。     

无源声呐目标特征提取的一种新方法

水下目标的特征提取一直是水声信号处理的一个难题。由于实际声呐目标的发声机理和反射声波的机理十分复杂,成份多样,造成水声信号具有较强的非平稳性和非高斯性。为了提高对水下目标识别的正确识别率,本文突破以往研究中关于信号平稳性和高斯性的假设,在简要介绍LOFAR谱图和高阶谱(HOS)估计方法的基础上,提出一种基于高阶谱的LOFAR谱图特征的提取方法。本方法既不受高斯性假定的约束,也不受平稳性假定的约束。最后,用本方法对三类实际声呐信号进行了特征提取,取得了令人满意的分类识别效果。     

HHT能量判别法在英坪矿爆破振动中的应用

通过EMD分解法将瓮福磷矿英坪矿段Ⅱ号坑爆破振动信号分解,得出IMF分量,经Hilbert变换后,进一步得出瞬时能量谱和能量等效速度,以此作为安全评价指标。HHT能量判别法综合反映了爆破振动的幅值和能量分布特征,同时体现了爆破振动三要素(振动强度、频率、持续时间),更能准确反映爆破振动的危害。     

HHT能量判别法在英坪矿爆破振动中的应用北大核心

通过EMD分解法将瓮福磷矿英坪矿段Ⅱ号坑爆破振动信号分解,得出IMF分量,经Hilbert变换后,进一步得出瞬时能量谱和能量等效速度,以此作为安全评价指标。HHT能量判别法综合反映了爆破振动的幅值和能量分布特征,同时体现了爆破振动三要素(振动强度、频率、持续时间),更能准确反映爆破振动的危害。     

基于HHT的多模式Lamb波走时提取

薄板超声Lamb波层析成象研究中,走时是重要的信号特征,但多模式和频散特点给单一模式走时提取带来困难,一般信息提取技术对Lamb波分析较难有理想结果。该文提出利用HHT方法分析信号,先利用经验模式分解成本征模态函数,然后进行Hilbert变换分析边际谱并提取单一模式。与FFT、小波变换分析对比,HHT方法较好的反映了Lamb波信号多模式的随时间、频率分布。与小波变换提取走时数据结果相对比,HHT方法所得走时数据用来反演的图象更接近缺陷真实尺寸。     

基于HHT变换的超光滑加工表面谱分析

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—频谱。这种方法的关键部分是多分辨经验模态分解,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固有模态函数。本文针对表面粗糙度用HHT进行了分析,得出相应结论,对加工有一定的指导意义。     

基于独立分量分析与希尔伯特-黄变换的轴承故障特征提取

滚动轴承早期故障信号具有能量小、频带分布宽等特征,易受到其它能量较大振源信号的干扰。传统的希尔伯特-黄变换（HHT）对信噪比大、多频率调制信号常因不能对其所包含的固有模式函数（IMF）实现准确分离和去除调制干扰分量而失效。本文提出了基于HHT和独立分量分析（ICA）的滚动轴承诊断新方法。该方法首先利用经验模式分解（EMD）将滚动轴承振动信号分解成若干平稳的本征模式函数IMF分量,通过提取若干包含主要信息的IMF分量,应用带通滤波器和Hilbert变换获取IMF分量的高频包络波形,再应用ICA分离包络波形并进行频谱分析,进而判断滚动轴承的运行状况。仿真和试验分析结果验证了本方法的可行性。     

岩巷爆破振动信号的HHT分析与应用

为优化爆破参数,减少对围岩的损伤,以煤矿玄武岩双巷道楔形深孔掏槽爆破的实测爆破振动信号为例,分析对比传统傅里叶变换、小波变换、HHT变换三种变换方法,对爆破地震波信号的时频特性和能量分布特征分析。结果表明:HHT变换能够确保信号被分解后的非平稳性,且自动适应能力较强,分解效率较高。通过HHT变换得到三维图直观展示各分量随时间、频率和能量的分布情况。爆破振动能量主要分布在0.3s¹.0s时间段和01.0s时间段和0⁴00Hz频率段内,频带100Hz400Hz频率段内,频带100Hz²50Hz中爆破振动分量对应的频带能量达到最大。通过分析对比爆破振动信号,得到巷道帮部、底部爆破振动信号的主振方向分别为Y(切向)和Z(垂向)方向。     

岩巷爆破振动信号的HHT分析与应用

为优化爆破参数,减少对围岩的损伤,以煤矿玄武岩双巷道楔形深孔掏槽爆破的实测爆破振动信号为例,分析对比传统傅里叶变换、小波变换、HHT变换三种变换方法,对爆破地震波信号的时频特性和能量分布特征分析。结果表明:HHT变换能够确保信号被分解后的非平稳性,且自动适应能力较强,分解效率较高。通过HHT变换得到三维图直观展示各分量随时间、频率和能量的分布情况。爆破振动能量主要分布在0.3s~1.0s时间段和0~400Hz频率段内,频带100Hz~250Hz中爆破振动分量对应的频带能量达到最大。通过分析对比爆破振动信号,得到巷道帮部、底部爆破振动信号的主振方向分别为Y(切向)和Z(垂向)方向。     

基于HHT的超声电机噪声源分析

对超声电机的噪声信号做希尔伯特一黄变换(HHT)，发现噪声中从始至终都含有10kHz左右的成分。在分析了电机运动机理后，以转子为对象建立碰撞摩擦模型，从系统的加速度响应中，同样分解出10kHz左右的成分。说明系统运动非线性产生的分数次谐波，是诱发噪声的直接原因。对定子作有限元分析，得到定子的一阶模态频率为10．74kHz，与噪声频率非常接近，表明分数次谐波激发了定子共振，为噪声输出提供了能量源。为了降低噪声，可以考虑降低定子、转子的碰撞强度或改进定子、转子的结构。     

基于HHT方法的石方爆破噪声特性分析

HHT方法是一种针对非线性、非平稳信号行之有效的分析与处理方法,它具有自适应性强、高效且希尔伯特谱分析可清晰表明能量随时频分布等特点.该文在分析石方爆破噪声产生机理的基础上,利用HHT方法分析了有关爆破噪声记录,探讨了石方爆破噪声的时频特性.     

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。