基于改进型集合经验模态分解的谐波检测方法

由于大功率器件使用,造成电网中有大量谐波,威胁设备的安全。本文提出运用改进型集合经验模态(Ensembel Empirical Mode Decomposition,EEMD)算法来检测电力系统谐波。首先,针对在EEMD分解过程中,由于白噪声信号的添加,势必会对各模态函数造成影响,提出添加正负幅值相反的白噪声信号,以消除其带来的弊端。其次,运用施密特正交化理论,对各个模态函数进行正交化,从而避免模态混叠现象,提高了谐波检测精度。最后,经过与其它检测方法的仿真对比,证明了本文所述方法具有较高的检测精度。

基于经验模态分解的爆破延期识别优化方法

针对爆破延期识别中采用经验模态分解(empirical mode decomposition,EMD)方法存在模态混叠现象,导致延期识别精度低的问题。提出了一种完全正交经验模态分解(principal empirical mode decomposition,PEMD)方法,首先对原始信号进行EMD初步分解,得到多个具有模态混叠现象的本征模函数(intrinsic mode function,IMF)分量,其次对IMF分量进行主成分分析(principal component analysis,PCA),将混叠的IMF分量完全正交化,之后选择幅值较大且波形衰减明显的主分量,使用Hilbert变换提取包络线,最后对包络线峰值点进行识别。通过相似物理模拟试验证明,PEMD与传统方法EMD相比,有效地抑制振动信号EMD分解时出现模态混叠现象,延期识别误差降低至0,并通过控制高程和延期时间对PEMD方法的稳定性进行了检验;同时以德兴露天边坡延期爆破试验为例,PEMD能够更好地对爆破振动波峰值点进行精确识别,识别率稳定在90%以上,对后续爆破工程中爆破参数设计优化和盲炮的识别具有重要意义。

基于经验模态分解的管道超声回波信号识别

在管道超声无损检测中,超声回波信号常受到噪声干扰或者因管道壁缺陷原因导致回波波形重叠,故检测信号很难判断缺陷大小。现采用一种基于经验模态分解(Empirical Model Decomposition,EMD)的方法,对超声回波信号的到达时间进行准确识别。该方法首先把原始采集的超声回波信号进行经验模态分解,预处理回波信号中的噪声干扰,处理后的信号通过正交检波处理得到该信号的峰值包络,则该包络的峰值时刻对应了回波信号的到达时刻。通过对实测缺陷信号的试验,验证了该方法的可行性和准确性。

EMD结合多相正交矩阵及f检验的光谱信号去噪方法研究

由于受环境、仪器、人为因素的影响,光谱信号测量中往往存在噪声,会直接影响信号的分析结果。为了获得有效的光谱信号,文章提出一种经验模态分解(Empirical Mode Decomposition,EMD)结合多相正交矩阵及f检验的光谱信号去噪方法。该方法首先对加噪信号进行EMD分解,得到各固有模态函数(Intrinsic Mode Functions,IMF)后和多相正交矩阵相乘以降低信号的非周期自相关值,再通过f检验找到最佳分割点去除IMF分量的高频成分,乘逆矩阵去除噪声。仿真结果表明,原始信号经过EMD和多相正交矩阵结合处理后变成了复信号,成功实现了信号和噪声的有效分离,为后续光谱信号的处理研究奠定了基础。

非平稳地震地面运动局部谱密度正交化HHT估计

基于采用能反映时频非平稳特性的时变谱密度(局部谱密度)来描述地震地面运动的必要性,给出了利用正交HHT(Hilbert-Huang Transform)估计地震地面运动局部谱密度的方法.具体算例表明:与多重过滤和短时傅立叶变换相对比,利用正交HHT法来估计局部谱密度,速度更快,精度更高;与传统HHT方法相比,正交HHT法避免了能量泄露,有更普遍的适用性.因此,它是一种高效的局部谱密度估计方法.同时,用得到的局部谱密度对三条地震波的能量进行研究,总结了地震波样本能量的分布和变化情况.

基于改进EMD分解的时变结构密集模态的瞬时参数识别

提出基于改进经验模态分解(EMD分解)识别含有密集模态的时变结构的瞬时参数的方法。通过波组信号前处理和正交化经验模态分解方法(OEMD)解决传统的EMD无法分解2个近频模态的固有模态函数(IMF)和IMF分量之间不正交这两个问题,将该方法应用于时变结构密集模态的瞬时参数的识别中,给出基于此方法识别时变结构密集模态参数的步骤,并通过一个含有密集模态的3自由度时变结构算例验证了该方法的正确性、有效性以及识别密集模态的优势。

我国西南地区干湿季降水的主模态分析

利用我国西南地区26个台站降水资料，通过经验正交函数（EOF）分解的方法，分析了1980~2009年该地区干季（10～4月）和湿季（5～9月）降水的主模态。我国西南地区干季降水的时空变化存在两种主模态，它们分别可以解释总方差的22．4％和15．6％。第1主模态为全区一致型，具有准两年周期振荡的年际变化特征；第2主模态为东南一西北反向型，从20世纪90年代中期至21世纪初呈现2～3年的变化周期。我国西南地区湿季降水的时空变化存在三种主模态，它们分别可以解释总方差的17．1％，13．8％和11．1％。第1主模态为全区一致型，20世纪90年代初期具有较强的2～4年周期；第2主模态为经向偶极子型分布，并具有显著的4年周期；第3主模态为纬向偶极子型分布，具有2～4年的年际变化信号。进一步利用NCEP／NCAR再分析资料以及美国国家海洋和大气管理局（NOAA）的海表面温度（SST）资料，通过合成分析和回归分析的方法探讨了与干湿季降水各主模态对应的大尺度大气环流和海温状况。我国西南地区干季降水第1主模态与北极涛动（AO）有明显的正相关关系，对应的大气环流和海温状况表现为高纬北冰洋与中纬度地区上空高度场的反向异常分布，北大西洋和北太平洋海温低纬与中高纬的偶极子型异常分布；第2主模态与中高纬欧亚大陆上空高度场经向偶极子型异常分布有关，中纬度北太平洋的海温异常与该模态具有紧密的联系。我国西南地区湿季降水第1主模态与北大西洋涛动（NAO）显著负相关，对应的大气环流和海温状况表现为北大西洋上，高纬度与中纬度地区上空高度场的偶极子型异常分布，海温从低纬到中高纬的三极子型异常分布；第2主模态受欧亚大陆上空高度场经向三极子型异常分布影响，并与北太平洋海温异常的一致型分布有关；第3主模态可能与E1 Nifio Modoki有关，同时受到南亚高压的影响，赤道太平洋海温的纬向三极子型异常分布对该模态具有一定的潜在预报意义。

解相关EMD:消除模态混叠的新方法

模态混叠是制约希尔伯特-黄变换(Hilbert-Huang Transform,简称HHT)在工程上推广应用的一个主要难题,采用在经验模态分解(Empirical Mode Decomposition,简称EMD)过程中嵌入解相关操作有效解决了EMD过程中产生的模态混叠问题。模态混叠的本质是各本征模态函数(Intrinsic Mode Function,简称IMF)分量之间信息相互耦合,无法表征有意义的物理过程,因此可认为模态混叠现象是由于IMF之间不完全正交导致。根据零均值随机信号正交性与不相关具有等价关系,在EMD过程中嵌入解相关操作,可有效保证IMF之间的正交性,消除模态混叠。仿真信号处理结果证明了方法的有效性。

基于改进HHT方法的密集模态结构参数识别

针对Hilbert-Huang变换(HHT)方法在识别结构模态参数中存在的经验模式分解(EMD)模态分解能力不足以及固有模式函数(IMF)分量之间不正交这2个问题,分别提出采用波组信号前处理和正交化经验模式分解的方法予以改进,并将此方法称为改进的Hilbert-Huang变换方法。在介绍正交化经验模式分解方法和波组信号前处理基本原理的基础上,给出基于此改进Hilbert-Huang变换方法识别结构模态参数的基本步骤,并通过一个具有密集模态的三自由度结构在脉冲荷载激励下的模态参数识别算例予以验证。研究结果表明:该方法可有效识别密集模态结构的模态参数,且识别效果优于基于HHT的模态参数识别方法的效果。

夏季热带印度洋大气热源主模态与中国东部降水的关系

利用1979—2008年NCEP/NCAR再分析资料和中国区域160站降水资料,分析了热带印度洋及南亚地区夏季大气热源的气候特征,探讨了热带印度洋夏季大气热源主模态与中国东部降水的关系。结果表明:与春、秋、冬季相比,夏季大气热源强度强、范围广,热源最强中心在孟加拉湾北部大陆边缘;当孟加拉湾、苏门答腊岛西部海域、阿拉伯海的中东部以及恒河平原等地的夏季大气热源增加(减少),而赤道印度洋的中西部地区、阿拉伯海北部边缘等地的夏季热源减少(增加)时,有利于长江中下游地区、华北北部、东北以及西南大部分地区夏季降水的增加(减少),不利于华北南部以及江南地区尤其华南地区的夏季降水的增加(减少);热带印度洋夏季大气热源的主模态主要通过影响对流层高、低层的环流来影响中国东部降水。值得注意的是,与热带印度洋夏季大气热源的主模态时间系数的年际变化相比,其年代际变化对中国东部降水影响更显著。

基于多模态低秩处理的沙漠地震随机噪声压制

沙漠地带的随机噪声使沙漠地震记录中的有效信号很大程度上被淹没。针对此问题,提出将自适应噪声辅助的集合经验模态分解方法(CEEMDAN:Complete Ensemble Empirical Mode Decomposition with Adaptive Noise)与鲁棒标准正交子空间方法(ROSL:Robust Orthonormal Subspace Learning)有效融合。首先利用CEEMDAN算法对沙漠地震数据进行分解,将分解得到的所有模态拼成一幅新记录,并对其进行低秩分解,再将得到的稀疏部分中每道的所有模态重新叠加获得去噪结果。二者相结合,不仅解决了单一的低秩处理对沙漠地震数据效果不明显的问题,同时也规避了要对CEEMDAN算法分解得到的模态进行取舍的难题。模拟实验和实际数据处理表明,该算法压制低频随机噪声具有明显的优势,同时对有效信号的保幅均能保证在85%以上,对实际数据中面波的压制也相对比较彻底。

水下自激吸气式脉冲射流装置瞬时冲击力分解

为了提取水下自激吸气式脉冲射流装置瞬时冲击力中的时变冲击力和脉动冲击力。运用离散正交小波变换和经验模态分解(EMD)对装置瞬时冲击力进行消噪和分解,确定离散正交小波变换提取时变冲击力的小波基函数和分解层数以及EMD提取时变冲击力的固有模态函数(IMF)个数,分析围压对时变冲击力脉冲幅值和脉冲周期以及脉动冲击力脉动强度的影响规律。结果表明:在不同围压下,离散正交小波变换对时变冲击力的提取效果要优于EMD,但小波基函数的选择需要考虑不同围压下瞬时冲击力的变化特点;围压对装置吸气后时变冲击力脉冲周期影响不大,但对脉冲幅值影响较大;围压和吸气对瞬时冲击力时均值和脉动冲击力脉动强度影响较大,但在不同围压下吸气对两者的影响规律有所不同。

时间序列的经验模态频率分解EMFD

在经验模态分解的基础上,提出了经验模态频率分解.经验模态频率分解是正交分解,有很好的性质和频率意义.

联合匹配场和神经网络的声速时间场构建方法

局域声速场变化严重影响了海洋声学定位与导航的精度,构建高精度、高分辨率的声速时间场尤为重要。针对局域声速场参考样本不足导致声速场构建精度较低的问题,本文依据匹配场和神经网络理论,建立了联合匹配场和神经网络的声速时间场构建方法。利用通信数据和全水深声速剖面数据,采用匹配场处理进行声速剖面仿真,其次通过后向传播神经网络拟合经验正交函数分解重构系数构建声速剖面,并与实测抛弃式温盐深剖面仪数据进行对比。结果表明:与平均声速剖面的1.079 m/s相比,考虑匹配场仿真声速剖面的联合匹配场和神经网络的声速时间场构建方法的均方根误差为0.665 m/s,提高了38.4%。因此,该算法可以提高复杂海洋环境中声速时间场的构造精度。

基于希尔伯特黄和时频熵方法检测钢轨扣件扣压力研究

钢轨扣件扣压力对车辆运行安全具有重要作用。该文通过室外试验获得了钢轨在不同紧固条件下的竖向振动加速度响应。采用正交经验模态分解方法得到原始振动信号的正交固有模态函数(Intrinsic Mode Funtion,IMF)。然后基于正交IMFs得到Hilbert时频谱和边界谱,并计算和比较了相应的熵。分析结果表明,该方法可用于检测不同钢轨扣件的扣压力。

改进的Hilbert-Huang变换在信号瞬态特征提取中的应用

通过对Hilbert-Huang变换(Hilbert Huang Transform,HHT)方法的机理的研究,提出了一种提取非平稳信号中瞬态特征的新方法,即正交经验模态分解(Orthogonal Empirical Mode Decomposition,OEMD)与Hilbert变换结合法。OEMD是一种以快速带通滤波为基础的,获得同有模态函数(IMF)的新方法,其最大特点是具有严格的正交性。通过OEMD得到IMFs后,再进行Hilbert变换求得瞬时频率和幅值,便能精确检测出信号中瞬态成分的时间、频率和幅值等信息。仿真和应用结果表明,该法比原HHT方法能更加有效地提取信号的瞬态特征,并成功地解决了原HHT中存在的模态混叠、虚假模态和边界效应等问题。

用TOPEX/POSEIDON高度计数据研究南极绕极流流域海面高度的低频变化

采用TOPEX/POSEIDON(T/P)卫星高度计 1 993年 1月— 2 0 0 0年 1 2月海面高度数据 ,研究包含了整个南极绕极流流系 (40°— 6 0°S)的海面高度低频变化。首先采用EOF分解方法获取南大洋时空分布的主要模态 ,前 3个EOF模态分别占总方差的 2 4 .8%、1 3 .8%和 1 0 .7%。然后采用EMD方法分别分析了各个EOF模态的时间系数曲线的组成成分 ,对南极绕极流海域的各种时间尺度变化给出了清晰的描述 ,对于不同尺度变化所占的比例得到了定量的结果。研究结果表明 ,EOF的各个模态不仅在形态上存在差异 ,而且具有相互独立的物理背景。EOF的第一模态主要体现了以太阳辐射冬夏差异形成的年周期变化 ,另一个显著的特征就是南极绕极流从 1 993— 2 0 0 0年海面的整体上升趋势。EOF的第二模态体现了陆地地形对南极绕极流的约束作用 ,同时也显示了ENSO过程对南极绕极流 ,特别是对南太平洋的海面高度变化的影响。EOF的第三模态则体现了南极绕极流对南大洋表面风场东西方向不均匀变化的响应。同时 。

基于两路传感信号的多源退化盲分离算法研究

在工程实际中大多数情况下面对的系统是一个黑匣子,无法确切知道其源信号的数目,传统的ICA算法无法使用。基于此给出了一种新的算法—退化盲源分离算法,该算法只需利用两路传感信号就可以确定其中的源信号数目,并将其通过构造分离系数分离出来。首先确定了该算法的适用前提条件假设,建立了考虑干扰信号因素在内的混合信号的数学模型,详细介绍了算法的实现过程。通过对5路人工合成的语音信号进行分离试验验证了该算法的可行性,并成功应用于工程实际中。

基于EMD-SVD差分谱的DWT域LMMSE自适应信道估计算法

针对当前基于奇异值分解的线性最小均方误差(SVD-LMMSE)法信道估计误差相对较大的问题,提出了一种基于经验模态分解和奇异值分解(EMD-SVD)差分谱的离散小波变换(DWT)域线性最小均方误差(LMMSE)自适应信道估计算法。在对信号进行最小二乘(LS)信道估计及预滤波处理后,运用DWT对信号的高频系数进行阈值量化去噪处理;然后结合基于EMD-SVD差分谱的自适应算法,将强噪声小波系数中微弱的有效信号提取出来,并进行信号的重构;最后根据循环前缀(CP)内、外噪声方差的均值设置相应门限,对循环前缀以内的噪声进行再次处理,从而进一步降低噪声的影响。对算法的误码率(BER)和均方误差(MSE)性能进行实验仿真,实验结果表明:所提算法的整体性能明显优于经典的LS算法、传统的LMMSE算法和目前较为流行的SVD-LMMSE算法,能够较好地降低噪声的影响,并可有效提升信道估计的精确度。

枪托连续冲击作用下的人体参数辨识

针对枪托连续冲击作用下人体系统参数随时间变化的特点,提出了一种人体物理参数辨识方法。该方法通过正交化经验模态分解和Hilbert变换构建输入和输出信号的解析信号。通过推导含参数变量的解析信号方程并计算求解获得人体参数随时间的变化曲线。表面肌电实验结果证明了该方法的有效性。辨识结果表明,该方法获得的连续冲击作用下人体等效刚度和等效阻尼参数曲线与生物学知识相符,具有重要意义。