基于希尔伯特变换的干涉仪信号处理

微波干涉仪是测量常规武器内弹道参数的重要设备,传统的雷达信号处理方法主要使用短时傅里叶变换,不能兼顾时间和频率分辨率。因此,提出一种基于希尔伯特变换的算法,该算法能够获得更高的时间分辨率和测量精度。该算法利用希尔伯特变换获得精确的相位信息,并利用相位与弹丸行程存在的线性关系,计算出弹丸的行程。通过对小口径火箭弹的微波干涉仪实测数据的分析,结果证明基于希尔波特变换的干涉仪信号处理方法与基于短时傅里叶变换的处理方法相比,具有更高的时域分辨率。

高阶伪希尔伯特变换在边缘检测中的应用

在图像边缘检测中,为了克服传统希尔伯特变换提取的边缘质量差、边缘分辨率较低且不变的问题,构造了一种用于图像边缘检测的高阶伪希尔伯特变换,它吸收了短时傅里叶变换和传统希尔伯特变换的思想,利用窗函数宽度和指数的调节实现不同的输出。通过边缘模型仿真,阐述了时窗宽度和指数对边缘的分辨率以及幅值的影响。在实际图像的处理中,高阶伪希尔伯特变换检测到的边缘完整准确、分辨率高,边缘的分辨率与参数有关,证明了它在图像边缘检测中应用的有效性和灵活性。

基于希尔伯特-黄变换方法的信号奇异性检测与仿真

介绍了希尔伯特-黄变换(HHT)方法的分析步骤、特点和应用范围,并对信号奇异性检测效果进行了仿真分析,并和短时傅里叶变换(STFT)、魏格纳-威利分布(WVD)、小波变换(WT)等分析方法进行了比较。结果表明,希尔伯特-黄变换方法具有良好的局部适应性和在信号奇异性检测方面的有效性及优越性。

基于广义希尔伯特变换的地震图像边缘检测算法优化

传统广义希尔伯特变换在处理弱振幅分布较广或者有地质褶皱带的复杂地震数据时,强振幅周围的边缘检测效果还相对比较清晰,但弱振幅周围的边缘检测就十分模糊,同时细节信息显示不够全面。因此,该算法在Luo等人提出的广义希尔伯特变换算法的基础上进行优化,提升弱振幅周围和地质褶皱带的边缘检测效果。首先,将地震信号在时间域上加高斯窗并做傅里叶变换;然后取傅里叶变换后信号的虚部,取绝对值,沿频率求和后计算1/n次幂;最后,沿纵轴和横轴分别进行边缘检测,将两者的结果求取平均作为检测结果。该算法应用于实际地震数据时,弱振幅和地质褶皱带周围的图像边缘被清晰地检测出来且计算效率明显快于频域加窗的广义希尔伯特变换,验证了文章提出的算法的有效性。

修正S变换与常规时频分析方法的对比

地震信号往往是非线性、非平稳信号,基于平稳信号理论的常规傅里叶变换方法不能刻画任一时刻的频率成分,而时频分析技术能同时展示信号在时间域和频率域的局部化特征。修正S变换作为一种较新的时频分析方法,是针对S变换窗函数相对固定、时频分辨率不能调节的问题提出的。通过对修正S变换与常规时频分析方法如短时傅里叶变换(STFT)、小波变换(WT)和S变换的对比,分析了修正S变换在时频分析方法中的作用。根据合成信号以及实测地震记录的时频分析可知:修正S变换较常规的时频分析方法具有更好的时频分辨率和能量聚集性,更有利于对非平稳信号的处理。

基于HHT-MFCC和短时能量的慢性阻塞性肺病患者呼吸声识别

为了优化梅尔频率倒谱系数(MFCC)特征提取算法,提高对呼吸声信号识别的准确率,实现识别慢性阻塞性肺病(COPD)的目的,提出了基于希尔伯特黄变换(HHT)的MFCC与短时能量(Energy)融合的特征提取算法HHTMFCC+Energy。首先,经预处理的呼吸声信号通过HHT计算出Hilbert边际谱和边际谱能量;其次,谱能量通过Mel滤波器得到特征向量,再对特征向量取对数和进行离散余弦变换得到HHT-MFCC系数;最后,将信号的短时能量与HHT-MFCC特征向量融合形成新特征,并通过支持向量机(SVM)进行信号识别。将MFCC、HHT-MFCC和HHTMFCC+Energy三种特征提取算法结合SVM进行呼吸声信号识别,实验结果表明,所提出的特征融合算法在COPD患者和健康人呼吸声识别效果上都优于其他两种算法:当提取24维特征、选取100个训练样本时,识别率平均值能达到97.8%,分别比MFCC和HHT-MFCC高出6.9个百分点和1.4个百分点。

基于多变换-谱峭度的配电网暂态电能质量扰动检测与辨识方法研究

针对配电网暂态电能质量扰动类型众多和噪声环境复杂等因素造成的暂态电能质量扰动精准辨识难度大等问题,论文深入研究了一种基于多变换和谱峭度的智能配电网暂态电能质量精准检测与辨识方法。该方法先通过小波变换消除信号中的噪声,然后对消噪后的信号进行小波变换检测出暂态电能质量扰动的幅值和时刻,并利用谱峭度对信号的冲击成分敏感及抗噪能力强等特性,通过对消噪后的信号短时傅里叶变换的谱峭度计算辨识出暂态脉冲、暂态振荡和短时电压变动,通过对短时电压变动扰动进行希尔伯特-黄变换检测出短时电压变动中的电压暂降、电压中断和电压暂升的瞬时频率和瞬时幅值,进而辨识出电压暂降、电压中断和电压暂升。该方法避免了HHT对暂态脉冲、暂态振荡的无用检测,具有计算过程简单、检测精确度高、辨识精确性高、通用性强等诸多优势。

海底管道悬空锤击内检测方法及振动信号分析

敷设在海床的油气管道可能会在洋流冲刷、地质运移等多种因素的影响下出现管道局部悬空现象,海底管道悬空会严重威胁油气输送安全。为有效检测管道悬空状态,提出了一种基于锤击检测法的海底管道悬空内检测器设计方案;结合MSC/Adams动力学仿真软件,采集经内检测器主动锤击激励管道内壁后不同敷设状况管段的振动响应信号,对采集的振动响应信号分别进行基于短时傅里叶变换(STFT)、频率切片小波变换(FSWT)和改进希尔伯特黄变换(HHT)时频分析,结合3种时频分析结果建立了管道悬空内检测效果评价指标。研究结果表明:经力锤激励后,管道振动响应信号整体幅值主要集中在50~120 Hz范围内,峰值频率主要集中在80 Hz左右;不同悬空状态下的管段振动响应信号幅值存在明显差别,越接近悬空管段中心位置,振动响应信号峰值频率对应的幅值越大;基于锤击法的管道悬空内检测器在仿真模拟环境中可有效辨别管道悬空状态。研究结果可为锤击内检测法应用于海底管道悬空状态内检测提供指导。

Bostick反演法误差修正

对于水平2层均匀介质模型,为提高Bostick反演法精度,推导希尔伯特变换近似所造成的误差公式,给出误差的数值计算方法,得到修正后的Bostick反演公式。对比2种方法反演结果发现,修正后的Bostick反演法能够更好地反映分界面及第2层介质的电阻率。

基于HHT时频分析的水声信号特性提取与建模

为了完成对实测水下冲击信号的建模,充分提取信号声学特性是非常有必要的。本文以水池实测信号为研究对象,采用不同分析方法处理信号,最终发现希尔伯特黄变换(HHT)时频分析方法优势明显,在HHT时频谱图上可以看到非常清晰的时间、频率分布信息。在此基础上,使用多段线性调频(LFM)信号模拟实测水下冲击信号。比较实测信号与建模信号的HHT谱图可知,建模信号的频谱走势与实测信号相同,具有与实测水声信号非常相似的时频特性,验证了HHT时频分析的优势与建模效果。

大型风力发电机组故障诊断综述

开展大型风力发电机机组的状态监测和故障诊断研究,及时掌握其运行状态,及早发现其潜在故障征兆,对降低其故障率和减少其运行维修成本,从而加强大型风力发电机组的可靠运行具有重要意义。在通过对大型风力发电机组中的机械故障和电气故障的类型及其特点进行全面分析总结的基础上,对大型风力发电机组的故障信号和故障信号处理方法进行了详尽的分析,介绍了大型风力发电机组的智能故障诊断方法,并指出现有方法的不足和未来的研究发展方向。

时频方法分析长骨中的超声导波及皮质骨厚度

超声导波在长骨中传播时,接收信号中含有相互叠加的多个导波模式。本文提出将希尔伯特-黄变换(HHT)用于分析叠加的多模式导波信号,将其分解成许多单个独立的模式,然后对分解出的模式求得其对应频率下的群速度,并与短时傅里叶变换所得的结果进行比较。通过与理论计算结果比较,可得到长骨皮质骨的厚度。研究结果表明,实验得到的厚度与实际厚度一致。说明通过测量导波模式的速度可以评价皮质骨的厚度,也说明HHT方法是一种识别叠加多模式导波信号的有效方法。

基于分割的自适应特征提取诊断心音方法

针对心音特征具有随其可分割性而改变的性质,提出一种基于心音分割的自适应特征提取算法,进而创建一种创新型的心脏病诊断系统。其创新点主要体现在:基于短时修正希尔伯特变换的第一复杂心音(CS1),第二复杂心音(CS2)或完整心音(CS)的自适应分割提取;基于分割心音的自适应频率特征FF1或FF2提取;基于主成分分析的多尺度特征[γ11、γ12]和[γ21、γ22、γ23]降维处理。实现此研究目标的2个阶段概括为:① 自动统计分析两个连续峰值之间的时间间隔,以此来确定心音的可分割特性;② 基于心音分割的自适应特征提取以及降维处理。通过在线数据库和临床数据库中提取的心音特征的散点图对系统性能进行初步评估验证。

几种非平稳分析方法对非平稳风力时程的比较分析

非平稳信号的分析方法是信号分析领域中的一个重要问题。本文以风洞试验获得的非平稳风压信号和升力系数信号为研究对象,分别采用短时傅里叶变换、Wigner-Ville分布,小波变换方法和Hilbert-Huang变换(HHT)方法对信号进行时频分析。分析结果表明,由于短时傅里叶变换、Wigner-Ville分布,小波变换方法都是基于傅里叶变换,因此,得到的频谱特性都大致相同,只是在分析的精细程度上有所差异;HHT方法可以获得有意义的瞬时频率,从而给出频率随时间变化的精确表达,信号最终被表示为时频平面上的能量分布,成为Hilbert谱,该方法适用于分析生活中普遍存在的大量频率随时间变化的非线性、非平稳信号,可将复杂的信号直接分离成从高频到低频的若干阶固有模态函数。另一方面,无论用哪一种分析方法都可以看出,风速和风压信号的能量大多分布在低频部分,高频部分所占比例很少,而升力信号的能量大多分布在高频部分,低频部分所占比例很少。本文采用HHT方法提取起控制作用的信号主成分。

旋转机械振动信号基于EMD的HT和STFT时频分析比较

基于经验模态分解(EmpiricalModeDecomposition,EMD)的希尔伯特变换(HilbertTransformation,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STFT(Short-TimeFourierTransforma tion,STFT)的时频分析进行了比较研究,研究结果说明,用基于EMD的HT方法对旋转机械的振动信号进行时频分析比STFT有效。

串联型故障电弧检测方法对比分析

由于线路故障位置的不确定性,目前串联型故障电弧检测方法主要基于电流信号分析进行识别。通过对不同负载在串联型故障电弧发生前后的电流波形进行对比,得出了串联型故障电弧电流特性及其变化规律;以串联型故障电弧的电流信号为研究对象,介绍了基于希尔伯特黄变换、信息熵与短时傅里叶变换、小波近似熵与支持向量机的串联型故障电弧检测方法,概述了不同检测方法的故障电弧特征提取过程;对3种串联型故障电弧检测方法优缺点进行了比较,指出基于希尔伯特黄变换、信息熵与短时傅里叶变换的检测方法可有效提取故障电弧发生时电流的时频特性,对提取的时频谱幅值设置合适的阈值即可作为串联型故障电弧识别的依据,但准确性和实时性不高,而基于小波近似熵与支持向量机的检测方法可直接提取近似熵作为支持向量机的输入来识别串联型故障电弧,具有较高的准确性和实时性,更适用于煤矿现场。

信号的时频分析理论与应用评述

由傅里叶变换在刻划信号的时间信息和频率信息上的矛盾引出了时频联合分析的思想,在详细介绍了短时傅里叶变换、小波变换、魏格纳威利分布和希尔伯特黄变换这4种典型时频分析方法的基础上,对他们的时频局部性能进行了分析和比较,指出了这些分析方法的优势和存在的问题。最后简要介绍了上面4种典型时频分析方法各自的应用领域。

Chirp信号的时频分析特征比较

Chirp信号是一个典型的非平稳信号,在通信、声纳、雷达等领域具有广泛的应用,为了更好的显示其特性,文中首先介绍了各个算法的定义和公式,然后用各种时频分析方法对该信号以及该信号添加单频正弦噪声信号进行分析,比较各类方法的特点,通过分析和比较可知希尔伯特黄变换在处理该信号具有很好的聚集性以及对单频噪声也有很好的辨别能力。最后用MATLAB软件进行仿真得到结果。

基于振动信号的柴油发动机转速测量

利用振动信号测量发动机转速是一种不解体检测的重要方法,但其对发动机振动频率要求较高,因此转速急剧变化时,对测量精度影响较大。提出了基于希尔波特包络和自相关的新方法;利用小波变换消除基线漂移,再通过短时时间窗进行类稳态分析,并采用希尔伯特包络和三次自相关对信号进行时域分析,计算短时窗内的发动机转速,通过移窗法得到连续的发动机转速。通过在发动机台上进行变工况试验,同步采集振动信号和转速传感器信号进行对比分析,在急加速条件下转速测量最大误差小于1.4%,能够有效的满足柴油发动机转速的实时性和精确性要求,在车辆不解体检测和无负荷测功方面有很大应用前景。

断路器机械振动信号特征值提取方法分类性能研究

以ZW45-12型单稳态永磁机构断路器为研究对象,通过搭建数据采集平台得到断路器正常合闸状态、分闸弹簧单根脱落和机构卡涩3种不同运行状态信号数据,利用模糊C聚类分析算法比较短时傅里叶变换、小波包能量熵和希尔伯特—黄变换3种特征提取方法的性能。通过对比研究,得出采用小波包变换方法得到的时频熵向量具有最佳的类可分性能。