希尔波特变换法解调干涉条纹的相位

叙述了希尔波特变换法解调相位的原理 ,提出了仅从一幅光载频干涉条纹获取物体表面的全部相位信息 ,再由最小二乘法原理 ,迭代出信息的相位 ,并讨论了条纹相位的算法 。

基于希尔波特-黄变换的海滩碎波带水体波动特征分析

介绍了HHT原理及其端点效应与正交性,分析了台风过程中碎波带水体波动特征。结果表明,碎波带波浪在台风期间波能增大且向低频转移,台风过后波能减弱且向高频转移;海滩地下水波动主要受潮汐涨落影响,波动周期可能受台风增水影响;台风与天文大潮耦合导致海滩地下水位奇异性波动。

基于希尔波特-黄变换的冲击无线电信号检测

冲击无线电信号具有低截获、瞬态特性。本文提出采用希尔波特-黄变换(HHT)方法从干扰和噪声中提取微弱的冲击无线电信号。通过HHT可以得到冲击无线电信号的时频谱,并与传统的小波时频谱和Wigner-Ville分布进行了比较。仿真表明：在信噪比低达-10dB的情况下进行冲击无线电信号检测,HHT方法优于传统的小波分析和Wigner-Ville分布。

基于希尔波特-黄变换的介损数字测量算法

准确提取基波电压和电流信号是检测介质损耗因素的关键。提出了一种新的介质损耗因数检测算法,采用希尔波特-黄变换(HHT)对试品电压和电流信号进行检测,通过经验模态分解法(EMD)提取信号的固有模态函数(IMF),再进行Hilbert变换,得到各自的瞬时频率,由瞬时频率进行介质损耗因数的准确检测。该算法无需同步采样,可以实时提取测量电压、电流信号的基波成分。仿真结果表明,HHT受采样数据长度、频率跟踪误差的影响较小,在非同步采样的情况下,具有良好的应用特性,能有效提高介质损耗因数检测的准确度。

希尔伯特-黄变换在表音故障诊断的应用

针对钟表表音信号提取与分析存在较大困难的问题,提出了双麦克降噪采集装置和基于经验模态分解的手表表音希尔伯特-黄变换(Hilbert-Huang)方法。该方法提取机械手表的故障信号进行经验模态分解,进而对内禀函数进行希尔伯特变换得到希尔伯特谱和希尔伯特边际谱。仿真实验结果表明,边际谱能识别出故障信息,该方法能够定位误差并实现故障诊断。

基于EMD与Hilbert变换的舰艇空化调制信号检测方法

针对舰艇推进器空化噪声检测中调制特征弱、背景干扰强等问题,提出了一种基于时延相关降噪、经验模态分解(EMD)和希尔波特(Hilbert)变换相结合的解调算法。该算法通过引入时延相关算法有效抑制了背景噪声,并利用EMD技术的自适应频带划分功能完成调制特征频带定位,实现了低信噪比条件下调制信号的有效检测。仿真试验证明:该方法在信噪比为-12dB、-15dB、-18dB条件下的检测效果明显优于传统的Hilbert变换等5种方法,且背景噪声干扰成分得到了有效抑制,调制信号检测效果显著提升。最后,通过推进器空化信号检测台架试验验证表明:该方法能够有效捕捉舰艇空化噪声信号中与转速、叶片数密切相关的调制特征。

基于局域波与近似熵的负荷分析方法

负荷结构及影响因素的日渐复杂,成为提高负荷预测精度的重要瓶颈。由于局域波分解所得到的分量代表了构成负荷的基本成分,而这些成分又对应受不同因素影响的负荷信息,同时近似熵能够很好地量化负荷特征,因此提出了基于局域波与近似熵的负荷分析方法。对负荷序列进行局域波分解,得到若干个能反映负荷组成的分量及余量。将各分量进行希尔波特变换,得到时频谱和功率谱,从而分析出各分量对总体负荷的波动贡献。将近似熵作为各分量及余量的特征参数研究各分量的物理含义。采用实时气象因素对各负荷分量每天不同时段进行分析,以分析气象因素对负荷的影响。实例研究说明,该方法可以很好地进行负荷构成及负荷影响因素分析。

电压波动信号检测方法的仿真研究

对电压波动和闪变进行有效监视与管理,首要任务是要准确提取电压波动信号。通过仿真,详细比较了平方检测法、H ilbert变换法、小波分析法用于平稳及非平稳的电压波动信号检测时各自的优越性。结果表明,平方检测法和H ilbert法更适用于检测平稳的波动信号,对于谐波污染较大的非平稳信号,用小波分析法则能够得到良好的检测结果。

小波包络解调在轧机故障早期诊断中的应用

针对轧钢机振动信号频谱成分的多样性和高低频混杂性,利用小波正交分解的多尺度多频带特性将振动信号展开到一系列相邻的小波空间上,使调制现象突显出来易于分析；再借助希尔波特包络分析技术对小波分解后的包含调制信号的分量进行解调,成功地提取出了故障早期特征。通过后期的振动数据跟踪分析,发现轧机轴承的外圈、滚动体相继出现损伤,并逐渐恶化,与停机开箱后结果基本吻合,进一步证实了小波包络解调技术的有效性。说明小波分析和包络解调技术能够有效地提取轧机轴承故障早期的特征,为设备的早期维修决策提供了重要的依据,同时可以避免恶性事故的发生。

基于EMD和HT时频分析方法的滚动轴承故障诊断

针对滚动轴承故障信号的非线性非平稳特征,提出一种基于EMD和HT的时频分析方法。首先对滚动轴承振动信号进行经验模态分解,然后对分解后的固有模态函数分量作希尔波特变换,得到各分量的时频图,清晰直观地显示出信号的时频分布,从而比较方便地从混有背景信号和噪声的振动信号中提取轴承故障信息。通过现场应用,证明了该方法的有效性。

数字调幅广播实调幅信号的获得方法之研究

本文根据DRM标准,结合我国数字AM广播的实现方案,研究了过采样技术和Hilbert变换方法在实调幅信号的获得方面的应用。重点介绍了过采样技术和Hilbert变换的原理以及两者在DAMB中的应用,最后通过Matlab仿真,比较了两种方法在AWGN信道和Rice衰落信道下的性能。通过比较得到:在AWGN信道和Rice衰落信道下,过采样方法和Hilbert变换法性能完全一样,但是Hilbert变换法要增加一个变换的计算过程,对采样率无特殊要求,作FFT的点数可以任取,只要满足采样定理就行。

滚动轴承故障包络信号分析及物理模拟

为解决机械系统中滚动轴承故障的准确有效判断与监测等问题,采用振动诊断法对其振动模型和包络解调谱法的可行性进行了理论分析。设计了滚动轴承故障模拟实验,以典型故障为例,利用以希尔波特变换为基础的包络解调谱法对所获取的信号进行处理,结果验证了该方法的有效性和优越性。为滚动轴承的在线检测提供了理论依据。

大规模电网中低频振荡扰动源的定位方法

由于中国电网规模庞大,低频振荡现象时有发生,如何快速确定低频振荡扰动源并及时将其切除,对保障电网的安全稳定运行意义重大。当电网中发生低频振荡时,根据传播到电网中不同位置的特殊形状扰动行波具有的相似性特点,提出一种比较多点测量数据波形相似度以确定低频振荡扰动源位置的定位方法,针对在电网中不同地点一段时间内同时采样的电压数据,利用希尔波特(Hilbert)变换提取各采样点的电压扰动变量并将其传送至监控单元,在监控单元利用定义的顺序相似度函数提取扰动行波通过各相邻采样点间的时差和先后次序,利用各采样点间已知的线路长度计算波速并确定低频振荡扰动源的位置。通过一个7机无穷大系统模型的仿真分析,验证该方法的正确性和准确性。理论分析和仿真结果表明:该方法能够快速确定电网中低频扰动源的位置;而且所需的采样测量单元数量少,能够节省大量投资。

ISVD降噪和重排谱图在烟机信号HHT时频谱分析中的应用

针对基于希尔波特黄变换(HHT)的时频谱存在受噪声影响大、高频部分时频分辨率低的缺点,提出将迭代奇异值分解(ISVD)降噪和重排谱图应用于HHT时频谱分析中。首先对噪声对HHT时频谱的影响进行了分析,含噪实测信号经过经验模式分解(EMD)得到的基本模式分量(IMF)中含有很强的噪声成分,从中提取的瞬时参数不具有物理意义,构成的HHT时频谱混乱而不准确;然后利用ISVD降噪对实测信号进行了降噪处理,有效地去除了噪声,降噪后信号EMD分解得到的IMF分量其Renyi信息接近于0,是近似平稳的单分量信号,从中可以提取到准确的瞬时参数,构成特征清晰、分布合理的HHT时频谱;最后对HHT时频谱中高频部分所对应的IMF分量进行了重排谱图分析,实现了其时频特征的准确定位。结果表明,该方法可以有效地提高烟气轮机信号HHT时频谱分析的准确率,为故障诊断提供可靠的特征依据。

EMD算法中边界效应处理技术

针对经验模态分解的希尔波特-黄变换在分解过程中会产生端点效应使信号两端出现失真的问题,提出包络线性延拓法。将其与其他3种端点效应处理方法进行对比研究,利用能量、分解信号与原信号相关系数以及算法的运行时间作为端点处理方法的评价标准。仿真结果表明,该方法可以使端点效应得到有效抑制。

改进的HHT在复合材料盒段损伤检测中的应用

提出一种基于结构振动和改进希尔波特黄变换的结构损伤检测方法,利用改进的希尔波特黄变换技术,研究悬臂机翼盒段结构的损伤检测问题。改进的希尔波特黄变换由三部分组成,小波分析、希尔波特黄变换及一种简单但有效的经验模式函数选择方法。用改进的希尔波特黄变换处理完好盒段结构与损伤盒段结构在方波信号激励下的动力响应信号,从中提取出结构损伤信息指标——瞬时能量变化量作为损伤特征参数。结果表明,所构造的结构损伤特征量对表征复杂结构小损伤具有较好的灵敏度。

人造机械瓣心音的分析研究

在一些致命性心脏病的诊断中,心音听诊是最有效也是应用得最成功的手段之一。鉴于目前机械瓣的使用非常普遍,研究简单有效的机械瓣病变判别方法对于临床诊断来讲具有重要意义。运用希尔波特-黄变换(HHT),针对不同的机械瓣心音进行分析,并设计一种基于Hilbert边界谱特征的提取方法,结合线性判别分析(LDA),对不同的机械瓣心音进行分类。同时,与基于局部最优基特征的分类器分类结果进行比较。分析结果表明,机械瓣心音的各阶Hilbert边界谱具有非常明显不同的分布,基于HHT的分类器识别率达到了97.3%,较基于局部最优基特征分类器的识别率(91.3%)更高。对于人造机械瓣心音而言,HHT是一种有效的分析处理手段。

基于归一化幅频系数的模态混叠解决方法

针对在经验模态分解的过程中由于间断信号造成的模态混叠问题,提出利用对信号作经验模态分解得到的第1个固有模态函数的瞬时频率和幅度定义归一化幅频系数,分离出间断信号。实验结果证明,该方法可以克服间断信号对后续经验模态分解的影响,将间断信号分离为一个固有模态函数。

HHT方法在不同思维作业脑电信号分析中的应用

介绍了一种处理非线性、非平稳信号的新方法——HHT的原理及特点,并将其应用于不同思维作业脑电信号分析。实验结果表明,不同思维作业脑电信号经HHT后的HH谱和Hilbert边际谱都差异显著,证明HHT方法对脑电信号处理的可行性。

短波扩频通信系统中数字相关器的FPGA设计与实现

基于FPGA设计的数字相关器,对前端模数/转换器在384kbps采样率下采得的数据进行希尔波特变换,再与本地序列做相关运算,最后将相关结果送给DSP,供DSP做进一步的处理。介绍了所选用的Stratix芯片,阐述了FPGA内部子模块的功能和设计实现方法,对所设计的FPGA数字相关器进行了仿真和校验,结果达到了设计要求。