基于希尔伯特-黄变换的覆土层厚度动态探测

准确揭示动态沉降过程中土层厚度及其变化情况对合理确定覆土层厚度,科学评价复垦土体稳定性具有重要意义。通过野外试验,结合探地雷达数据,基于希尔伯特-黄变换(Hilbert-Huang transform, HHT)进行信号处理,根据希尔伯特谱确定覆土层所在的时域范围;提取由HHT获取的多个固有模态函数(Intrinsic mode function, IMF)的时间-瞬时频率信息,建立IMF2分量与相对介电常数的关系模型,进而获取覆土层厚度;将所建立的关系模型进一步应用于时间序列上的覆土层厚度的探测之中,实现覆土层厚度的动态探测。研究结果表明:覆土层下沉会引起层状介质之间的介电常数差异,进而导致分界面处的振幅变化;瞬时频率平均值与相对介电常数之间存在较高相关性,其利用多项式回归的建模决定系数R2达到0.887 0;综合考虑时域下的振幅与瞬时频率变化的联合时频分析可有效探测覆土层厚度,随覆土层厚度的增加和时间的推移探测精度整体略有下降,探测结果的平均相对误差为3.65%。

基于希尔伯特-黄变换的电阻传感器阵列

现有的频谱分析方法不能对电阻传感器阵列进行同步扫描,本文将改进经验模态分解的希尔伯特-黄变换(HHT)对电阻阵列响应信号进行频谱分析。首先,分析经验模态分解过程中存在的端点效应。针对经验模态分解过程中的端点效应问题,通过对三种端点延拓方法进行比较,得出适合处理电阻阵列响应信号的延拓方法。然后,利用改进算法对响应信号进行频谱分析,可得到各单元的电阻与时间、频率和幅度的关系,实现电阻阵列地测量。最后,通过仿真实验验证了改进HHT的有效性。结果表明,改进算法能够得到阵列中所有单元的准确时频分布,可促进交流测量方法在传感器测量领域中的应用。

基于改进的希尔伯特-黄变换的地震强震动特征提取

2021年5月21日漾濞M s6.4地震是云南近10 a以来继M s6.5鲁甸地震和M s6.6景谷地震后发生的又一次破坏性浅源地震,其震中位于滇西北地区维西-乔后断裂带附近。震源机制结果显示:此次地震属于走滑型破裂,符合区域构造特征。为进一步研究该地震强震动特征,特引入改进后的希尔伯特-黄变换(HHT),以不同角度客观分析强震动的尺度和频域特征。研究结果表明:希尔伯特-黄变换在对实际地震动记录进行特征提取后,得到的边际谱和时频谱可在一定程度上保留原始数据的主要信息,该方法可为类似破坏性浅源地震的强震动特征分析提供更有效的信息参数,保证了信号分解的稳定性,更适于处理非平稳信号,可为现代信号应用分析于强震动特征提供另一种新思路。

基于希尔伯特-黄变换的微电网主动小干扰稳定性评估方法

微电网小干扰稳定性分析多采用基于系统线性化模型的特征值分析法,在系统模型及参数已知情况下可获得准确结果。然而,具有低惯性、弱阻尼特征的微电网在实际运行过程中系统拓扑及参数会动态变化。为此,文中提出一种主动小干扰微电网稳定性评估方法,该方法无须获取系统结构及准确参数,通过向系统注入电流脉冲,采集并提取电压动态响应曲线,采用希尔伯特-黄变换方法辨识响应曲线中振荡模态的参数,获得系统振荡模态的阻尼比以评估微电网小干扰稳定性。同时,为对比验证所提方法的正确性,在微电网结构和参数均已知情况下建立微电网的小信号模型,以求解的主导特征根与所提方法的辨识结果进行比较。最后,分别基于MATLAB/Simulink及StarSim硬件在环软件建立系统仿真和实验平台,仿真和实验结果验证了所提方法的正确性和有效性。

基于希尔伯特-黄变换的地铁整体道床局部脱空识别

为探讨一种基于车轨实时振动的地铁整体道床局部脱空的快速检测方法,通过对脱空发生前后的车轨敏感振动信号进行希尔伯特-黄变换(HHT),从变换谱中提取信息帮助识别整体道床局部脱空长度及起点位置。研究结果表明:1)车体、转向架和道床的竖向加速度对地铁整体道床局部脱空最为敏感;2)对这3种竖向加速度进行HHT变换后发现,道床竖向加速度的HHT变换谱难以直接判断整体道床局部脱空,而车体竖向加速度和转向架竖向加速度的HHT变换谱在局部脱空区域具有显著变化,可根据HHT变换谱的能量值变化幅度定性判断整体道床的局部脱空长度;3)当列车行驶到脱空区域,车体竖向加速度和转向架竖向加速度的HHT频率谱线将出现显著波动,结合列车速度以及脱空情况下HHT变换谱频率曲线极小值所对应的时刻,可判断出整体道床局部脱空的起点位置。

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-黄变换的音频信号复制粘贴篡改检测算法

复制粘贴篡改是音频篡改常用的篡改方式。当被篡改的音频段来自于同一音频且伴随着后处理操作时,这种篡改往往难以检测。针对有后处理的音频信号复制粘贴篡改,文章提出了一种基于希尔伯特-黄变换的音频信号复制粘贴篡改检测和定位的方法。采用音高跟踪技术将音频信号的有声段和无声段区分开来,对每个有声段分别实行希尔伯特-黄变换以提取谱图特征,进而利用动态时间规整(DTW)来计算每个谱图特征的相似度,当满足设定阈值条件时,通过比较希尔伯特谱图特征的DTW值来检测音频复制粘贴篡改,同时根据DTW值对应有声段的索引来定位复制粘贴篡改的位置。实验结果表明:该方法对几种常用的音频复制粘贴后处理操作都具有较好的鲁棒性;与基于梅尔谱图的音频信号复制粘贴篡改检测方法相比,所提方法检测准确率高、召回率高、鲁棒性好。

航空发动机试飞中转静子碰摩故障信号处理的希尔伯特-黄变换(HHT)方法

时变信号处理的新方法希尔伯特-黄变换,是把一时间序列数据通过经验模态分解(Empirical Mode Decomposition,简称EMD)成本征模函数组(Intrinsic Mode Function,简称IMF),然后经希尔伯特变换(Hilbert Transformation,简称HT)获得频谱的信号时频分析方法引入到航空发动机转静子碰摩故障振动信号处理领域。该方法的理论和算法为用MATLAB语言编写分析程序,再用仿真信号验证程序的正确性和有效性;然后对飞行试验中获得的故障振动信号进行分析。结果表明,用EMD和HT方法对航空发动机转静子碰摩故障振动信号进行时频分析是有效的。

希尔伯特-黄变换(HHT)在复合电能质量扰动分析中的应用

为准确分辨出电能信号中的扰动成份,进行电能质量治理,笔者通过对暂降+谐波、暂升+谐波、脉冲+谐波、暂升+波动、暂降+波动、脉冲+波动等6种双重扰动信号进行EMD分解,希尔伯特-黄变换,然后着重对信号的前2阶IMF,第1阶IMF的瞬时频率,希尔伯特谱进行分析。结果显示,EMD分解能分解出复合的扰动信号成份,第一阶的IMF分量的瞬时频率及希尔伯特谱能对扰动发生时刻、谐波成份进行较准确的分析。

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。

基于希尔伯特-黄变换的电力系统低频振荡的非线性非平稳分析及其应用

研究了基于希尔伯特–黄变换法从广域测量系统的实测数据中提取电力系统时变振荡特性的一种实用方法。该方法能够分析非线性、非平稳信号的局域动态行为和特性,更好地反映振荡过程中所包含的多个模式随时间的变化规律以及模式间的相互影响,还可提高识别能力和处理效果。在贵州电网的初步实验结果证明了该方法的有效性。

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-黄变换的电力系统谐波分析

准确的谐波分析对电力系统稳定具有重要意义。为克服FFT方法与小波分析方法的缺点,提出将希尔伯特?黄变换(Hilbert-Huang transform,HHT)用于谐波分析。将谐波信号进行经验模态分解(empirical mode decomposition,EMD),得到一系列经验模态函数(intrinsic mode function,IMF)。由于不同的IMF对应不同的谐波分量,通过对每个IMF分量进行Hilbert变换(HT)及最小二乘拟和,最终可以得到各次谐波的幅值、频率和相位,从而实现电力系统谐波的准确分析。在经验模态分解过程中,采用了分段三次Hermite插值,并通过添加极值的方法减轻边缘效应的影响,使谐波分析能够更准确。仿真表明,Hermite插值比三次样条插值对谐波分析更具优势。该方法分析电力系统谐波精度高,能够取得满意的效果。

基于双谱和希尔伯特-黄变换的断路器故障诊断方法

通过对断路器正常合闸和异常合闸时的声波进行双谱分析，发现声波的高频分量能量分布能够体现断路器的工作状态。通过希尔伯特-黄变换分析。发现合闸过程中声波信号高频分量持续时间较短，根据高频分量经过经验模态分解后的各固有模态函数能量分布特点，提出了基于固有模态函数能量熵的故障特征提取方法。模拟实验中取500-3000Hz信号的固有模态函数能量熵作为断路器故障诊断的依据，能去除低频环境噪声对分析结果的影响。实验结果验证了基于双谱分析和希尔伯特-黄变换的声波分析方法对于诊断断路器机械故障的有效性。

基于希尔伯特-黄变换的心音包络提取

目的提取心音信号的包络特征,根据包络对信号进行时域分析。方法本文提出了利用希尔伯特-黄变换对心音信号进行包络提取的方法。首先利用黄变换对心音信号进行预处理;然后对处理后的信号进行希尔伯特变换得到心音信号的包络。结果突出了心音信号的第一心音和第二心音,准确提取了心音的各种时域特征。结论采用此方法能够准确地提取心音信号的包络,为进行下一步分析奠定了基础。

希尔伯特-黄变换地震信号时频分析与属性提取

地震信号属于非线性和非平稳信号,传统的分析方法主要包括短时傅立叶变换、小波变换和Cohen类时频分布等等;希尔伯特-黄变换是分析非平稳信号的新方法,该方法的关键部分是信号的经验模态分解,通过经验模态分解,复杂的信号可以分解为有限的数量很少的几个固有模态函数,从而可以得到信号的希尔伯特时频谱;将该方法应用于单个的地震道数据,可以对地震道进行经验模态分解并得到希尔伯特谱,应用于地震剖面,可以得到意义更加明确的瞬时频率和瞬时振幅等地震属性,模型试算和实际应用表明了该方法的有效性.

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.

基于希尔伯特-黄变换的非一致性洪水频率计算方法——以西江大湟江口站为例

西江流域由于大量兴建堤防工程而导致天然河道洪水槽蓄关系发生了改变,进而使得洪水序列失去了一致性。针对西江洪水归槽问题,提出基于希尔伯特-黄变换的非一致性洪水频率计算方法,该方法假设非一致性年最大流量序列由非一致的确定性成分和相对一致的随机性成分两部分组成。将该方法应用于西江大湟江口站,结果表明:(1)1953-2008年最大流量序列经Hurst系数变异分析方法诊断为中变异,说明该序列不满足一致性的要求;(2)同频率同重现期情况下,过去、现状和未来三个时期的最大流量呈增长趋势;(3)Cv在过去(1953年)、现状(2008年)和未来(2015年)三个时期的评价结果为:0.334、0.257、0.25,呈减小趋势,说明年最大流量在多年情况下变化浮动减弱,洪峰流量趋于稳定波动。(4)浔江堤防大湟江口站现有堤坝的防洪标准在过去能达到10年一遇的防洪标准,但现状和未来达不到10 a一遇的要求;(5)典型洪水重现期呈逐年缩短的趋势;(6)相同区间范围内的洪水,过去、现状和未来条件下的洪水发生的概率呈增加趋势。

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。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。

基于希尔伯特-黄变换的变压器铁心振动特性分析

变压器铁心振动与铁心紧固状况、绝缘层损伤程度密切相关。利用希尔伯特?黄变换对非平稳信号的敏感性,提出一种可有效提取故障特征的铁心振动在线监测方法。对铁心振动信号进行经验模态分解,自适应地获得本征模态函数,继而对每组本征模态函数进行希尔伯特变换,得到了表征铁心振动信号时频变化的三维希尔伯特能量谱及边界谱,揭示了正常运行和隐含故障的铁心振动特征,为变压器的早期故障诊断奠定了坚实的基础。