基于希尔伯特-黄变换的合成孔径雷达内波参数提取新方法

基于希尔伯特-黄变换,发展了合成孔径雷达内波参数提取的新方法,解决了传统的傅里叶变换不能提取非线性内波群各个孤立子波信息的问题。利用该方法对巴士海峡附近的一幅ERS-1 SAR内波图像进行了内波参数提取。希尔伯特-黄变换对内波剖面数据进行了尺度分解,根据归一化方差最大来提取内波分量。该方法具有自适应性。结果表明,该方法获取的内波平均波长与傅里叶变换和小波分析具有较好的一致性,提取得到的反映各个孤立子波信息的波形比小波分析的要清晰,提高了数据的质量。通过提取的内波信号,利用极值序列计算了剖面线前后段平均波长大小,消除了谱分析当中的180°模糊问题。计算了明暗点的间隔,反演得到各个孤立子波的半振幅宽度。利用CTD数据获得的跃层深度,反演前导波振幅,与验证算例结果在量级上一致。

基于希尔伯特-黄变换与小波方法的径流序列分析

将希尔伯特-黄变换方法用到黄河三门峡站的天然年径流水文的分析与识别中,分解得到不同尺度下的固有模态函数;与小波分解方法对比,仿真出的径流变化成分不仅在时域上,而且在频谱上把低频信号中奇异信号的局部变化刻画出来,并具有更加清晰的物理意义;为水文径流序列的演变模式研究提供了一种新的分析方法.

同步压缩小波与希尔伯特-黄变换性能对比

经验模式分解(empirical mode decomposition简称EMD)中包络均值代替信号实际均值的算法误差,使其在处理复杂多频振动信号时易出现模式混叠,引起分析误差。针对这一问题,采用同步压缩小波变换(synchrosqueezed wavelet transform,简称SWT)根据时间-尺度平面中各元素模的大小,对平面内的能量进行重新分配,通过映射关系将时间-尺度平面转化为时间-频率平面,获得频率曲线更加集中的时频表达。这一方法的正交性与算法自身良好的数据驱动性降低了模式混叠引起的时频分析误差,多组分仿真信号时频特征提取证明了SWT的优异时频特性,利用旋转机械不对中振动位移信号进行了实测数据分析。结果表明,SWT能够精确描述谐波信号的频率构成,且所获时频能量分布集中,时、频域定位精度高,为机械设备的状态监测与故障诊断提供了一种新的时频分析手段。

基于经验模态分解和希尔伯特-黄变换的精密孔镗削颤振特征提取

针对精密孔镗削加工过程中容易出现颤振现象,影响精密孔的表面质量问题,建立了镗削加工的监测系统,对镗削颤振信号进行特征提取,以实现对镗削颤振的快速预报。首先,根据颤振信号的时频特点,将经验模态分解(EMD)和希尔伯特-黄变换(HHT)引入颤振特征提取过程,并介绍了其基本原理及具体实现过程。然后,在线拾取镗杆的振动信号,并对振动信号进行EMD分解和HHT变换。最后,通过对各本征模态函数分量的Hilbert谱分析,提取出了颤振发生的征兆特征。实验结果表明,利用EMD和HHT对镗削振动信号进行特征提取,可以在颤振形成之前0.5s得到颤振爆发的征兆,为后续的颤振抑制工作赢取时间,进而确保精密孔的表面加工质量。

希尔伯特-黄变换与小波变换在故障特征提取中的对比研究

研究了希尔伯特-黄变换(HHT)和小波变换(WT)在故障特征提取中的应用。以电源系统三相短路故障为例,针对无畸变和有畸变两种故障电压信号,采用HHT和WT提取故障特征。对比了仿真结果并分析了WT存在的问题。得出对于故障造成信号包络变化但频率基本不变的信号,HHT比WT的故障特征提取更有效。

希尔伯特-黄变换在电力谐波分析中的应用研究

重点研究了希尔伯特-黄变换(HHT)在电力谐波分析中的应用。针对现有的电力谐波分析方法FFT和小波变换的缺点和不足,将希尔伯特-黄变换(HHT)应用于电力谐波分析中,并且针对希尔伯特-黄变换中能导致分析精度降低的曲线拟合、端点效应和虚假分量问题进行分析和研究,采用埃尔米特插值进行曲线拟合,点对称延拓的方法抑制端点效应,并将FFT引入EMD分解终止条件中,再结合相关系数法消除虚假分量从而提高分析结果的精度。最后,仿真结果验证了改进算法的准确性和有效性。

基于小波分解与希尔伯特——黄变换的跳频信号检测

现有的基于时频分析的检测方法在时间分辨率和频率分辨率上往往不能同时满足要求,针对这一问题,提出了一种结合小波分解与希尔伯特—黄变换(HHT)的跳频(FH)信号检测方法。利用小波分解去除混合信号中的噪声;利用希尔伯特—黄变换实现跳频信号的检测,避免了传统时频分析过程中窗函数的影响。理论推导和仿真实验表明:本文方法能同时有效地兼顾时间分辨率和频率分辨率,明显改善了跳频信号检测的准确性。

基于希尔伯特-黄变换的飞机供电系统谐波信号分析

大量非线性电力设备的应用,使飞机供电系统中含有大量的谐波分量和间谐波分量。针对傅里叶变换和小波变换等方法不能有效地对这些谐波信号进行提取和分析的情况,提出利用希尔伯特-黄变换(HHT)提取和分析飞机供电系统中的各次谐波分量。同时,为了改善HHT中经验模态分解(EMD)存在的包络线过冲、欠冲和端点飞翼等问题,使用分段三次埃尔米特多项式插值代替三次样条插值提取包络线,使用半周期半对称延拓法扩展信号边界。仿真结果表明:改进后的希尔伯特-黄变换可以更有效地提取和分析飞机供电系统中的各次谐波分量。

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-黄变换和小波变换的500kV变电站谐振数据对比分析

谐振数据分析是谐振实时监测装置研制和谐振抑制的基础。文章对500 k V变电站实际谐振数据,采用希尔伯特-黄变换和小波变换方法进行对比分析。首先对谐振数据进行经验模态分解(EMD)得到谐波信号的本征模态函数(IMF),再对各个IMF进行希尔伯特变换,获得各个IMF分量的瞬时频率和瞬时幅度;然后选取合适的小波基对同组谐振数据进行分析;最后总结了两种检测方法的优缺点和500 k V变电站实际谐振谐波成分的幅频特性。

基于希尔伯特-黄与小波变换的压气机失速信号分析方法

针对多级跨声速压气机失速过程壁面静压测量数据,分别采用希尔伯特-黄变换(HHT)和小波分析方法进行时频分析。相比于小波分析方法,HHT时频图中失速过程的频率特征变化更为明显,且利用HHT图中失速发生后的特征频率可判断出失速团的旋转速度。结合方差分析,进一步探索了获取失速先兆信号的可行性。结果表明,两种方法均可用于压气机失速先兆预测,其中HHT方法能够提供更高层次的分解信号,得到的失速先兆更为提前。

基于希尔伯特-黄变换的海杂波特性分析

在雷达探测区域内,海杂波是影响雷达探测性能的主要因素。对于高分辨雷达而言,海杂波具有明显的非线性、非平稳性,针对这一特性,小波变换被广泛应用,但不可避免地具有窗函数的局限性。希尔伯特-黄变换作为一种新兴的自适应信号处理方法,应用简便,妥善避免了W.H e isenberg不确定性原理的限制,对于处理非线性、非平稳信号有着清晰的物理意义与应用前景。把上述两种方法应用于海杂波特性分析,比较两者的优缺点。结果表明,希尔伯特-黄变换具有更好的时频聚集性。

基于改进希尔伯特-黄变换的电缆接地故障定位研究

为了精确定位电缆接地故障区域,利用基于集合经验模态分解的希尔伯特黄变换与行波测距相结合的方法来实现电缆接地故障定位。针对经验模态分解易出现模态混叠导致最终对信号进行时频分析时无法计算行波往返于测量点和异常点之间时间的问题,提出利用集合经验模态分解来替换经验模态分解,然后使用改进HHT对故障行波信号进行分析,从而对电缆故障发生点进行定位。案例分析结果表明所提方法的故障定位精度误差为0.17%,能精确定位电缆接地故障区域。

基于希尔伯特-黄变换与小波变换的无定河径流变化周期对比分析

【目的】对基于希尔伯特-黄变换(Hilbert-Huang transform,HHT)与小波变换的径流周期分析方法进行比较,为选择适合研究流域的径流变化周期判定方法提供参考。【方法】采用HHT与小波变换,对无定河流域干流上的代表水文站白家川站1956-2009年天然径流资料进行分析,探讨2种方法在分析无定河流域年径流变化周期上的差异性。【结果】无定河天然径流演化模式由4个本征模态函数和1个零均值趋势项组成,通过分析各个固有模态函数(Intrinsic Mode Function)分量,由希尔伯特谱及经验分解图可以看出,不同尺度径流波动对径流演变的作用为,随尺度增大,径流平均周期由短变长,由年际变化转为代际变化。无定河流域天然径流演化存在3,7,12和21～22年的近似周期。通过小波系数实虚部及模、模方等值线图,判定其径流丰枯变化及主要周期中心为7,25,40和53年。【结论】基于HHT与小波变换的径流周期分析方法的计算结果基本吻合,但小波分析只能分析出近似周期,而HHT分析还可发现年内变化和年际变化在周期变化中占主导作用,表明HHT方法更为优越。

改进希尔伯特-黄变换方法在钢轨波磨检测中的应用

针对现有钢轨波磨检测方式检测效率低,检测精度不高而致使检测难的情况,提出利用Gocator传感器获得钢轨波磨检测数据,再通过小波变换和改进希尔伯特-黄变换对检测数据进行处理及分析的新方法。该方法以钢轨波磨检测数据为研究对象,首先,采用Gocator传感器获得钢轨波磨检测数据;然后,使用含噪信号与降噪误差比法,将因车体振动等因素而产生的影响诊断准确性的噪声从所采数据中分离,利用小波变换和希尔伯特-黄变换对去除噪声后的数据进行处理及分析;最后结合时域和频域特征进行缺陷识别。通过仿真研究证明,含噪信号与降噪误差比法与总体平均经验模态分解的优越性。同时,实验研究表明,希尔伯特-黄变换相较于小波变换在钢轨波磨细微信号识别方面具有明显的优势,为钢轨波磨的诊断提供了一种切实可行的方法。

基于小波变换与希尔伯特-黄变换的微电网暂态电能质量扰动检测及辨识研究

由于可再生能源接入微电网会给其带来很多电能质量问题,因而对微电网的电能质量信号进行检测及辨识十分必要。但在对电能质量信号进行采集与检测的过程中极易受到噪声的干扰,有效地降低信号中的噪声且完整地保留下反映信号突变特征的奇异点是检测其电能质量扰动的基础。而传统检测方法基本只适用于稳态电能质量扰动且抗噪性较低。为提高在噪声条件下检测的准确性,本文提出了一种基于小波变换和希尔伯特-黄变换的微电网暂态电能质量扰动检测及辨识的方法。该方法使用小波阈值去噪方法消除信号噪声,并利用小波变换和希尔伯特-黄变换对微电网暂态电能质量扰动进行辨识及检测,同时进行了计算机仿真验证,仿真结果表明:该方法去噪效果明显、辨识效果显著、检测精度高、实用性强。

RO-SBM的希尔伯特-黄变换谐波检测方法

针对希尔波特-黄谐波检测方法的端点效应问题,提出斜率再优化(RO-SBM)与希尔伯特-黄变换(HHT)相结合的方法(RO-SBM-HHT),该方法先采用RO-SBM法对原信号延拓,按照包络原则对延拓之后的信号进行经验模态分解(EMD),得到本征模态函数IMF分量,然后对各个IMF分量进行希尔伯特变换(HT),并采用最小二乘拟合可获得各次谐波的幅值和频率。仿真与试验数据表明,RO-SBM-HHT可有效地解决谐波检测端点效应,提高检测精度、减少冗余分量。

希尔伯特-黄变换在电力谐波分析中的应用

电力系统中的故障暂态信号多为非线性非平稳信号,希尔伯特-黄变换(HHT)被认为是专门针对非线性非平稳信号的分析方法。将HHT引入到电力系统谐波检测中,利用经验模态分解(EMD)获得谐波信号的本征模态函数(IMF),通过选取IMF并对其进行Hilbert变换,提取出IMF分量的瞬时频率和瞬时幅度。利用合成的IMF分量的Hilbert谱分布,对故障暂态进行了时间-频率-振幅的联合分析。仿真研究表明:基于HHT的故障检测方法能充分提取故障信息,故障定位准确,提高了故障检测的可靠性。

旋转机械振动信号基于EMD的希尔伯特变换和小波变换时频分析比较

基于经验模态分解(Empirical Mode Decomposition, EMD)的希尔伯特变换(Hilbert Transformation,HT),是先把一列时间序列数据通过经验模态分解,然后经过希尔伯特变换获得频谱的信号处理新方法。介绍了该方法的理论和算法。对仿真和旋转机械油膜涡动故障振动信号分别用基于EMD的HT和基于小波变换(Wavelet Transformation,WT)的时频分析在时域、时频域和频域进行了比较研究,研究结果说明,旋转机械振动信号基于EMD的HT时频分析方法比基于WT的有效。

采用希尔伯特振动分解的非整数次谐波检测新方法

针对现有电力系统非整数次谐波分析法的不足,提出了一种改进的希尔伯特振动分解(HVD)方法。该方法根据对解析信号瞬时频率的分析,巧妙地通过平滑滤波获得非整数谐波成分中幅值最大分量的频率,由同步检测获得相应的幅值和初相角,通过迭代运算自适应地检测出非整数次谐波的各次频率、幅值和相角。虽然HVD方法和希尔伯特黄变换(HHT)方法这两者均以希尔伯特变换为基础,但HVD方法避免了复杂的经验模式分解(EMD)过程。采用Savitzky-Golay滤波替代平滑滤波,在保留有效频率成分情况下可极大地消除快速变化不对称振荡高频值;提出的新波形特征匹配边界延拓可消除边界效应的影响,使得非整数次谐波分析更准确。仿真实验证明了改进的HVD方法对非整数次谐波检测的有效性。