基于Hilbert-Huang Transform的心音信号谱分析

心音信号是一种典型的非平稳信号 ,传统信号处理方法的应用受到很大限制。针对此本文提出了基于Hilbert-HuangTransform(HHT)的心音信号的分析方法 ,对冠心病患者的心音信号进行了分析。通过把心音信号分解为内蕴模式函数 ,利用Hilbert变换建立了心音信号的时间 -频率 -能量三维Hilbert谱分布以及边界谱分布 ;Hilbert谱及其边界谱在时域以及频域以较高的分辨率表征了心音信号的时频变化特性 ,揭示了冠心病患者心音信号的病理特征 ;为冠心病的早期无损诊断奠定了坚实基础 ,临床实践中有较大的指导价值。

基于Hilbert-Huang边际谱的肌电信号特征提取

提出了一种基于固有模态函数(IMF)瞬时频率的自适应边际谱分段方法。该方法基于各层IMF的频率有效度,选择合适的IMF,通过自适应边际谱分段方法来确定边际谱分段,然后求取边际谱各段能量,以获得边际谱形状特征。经实验得到了一种优化的归一化处理方法,最后通过仿真得到了HHT边际谱形状特征。

基于奇异值分解(SVD)差分谱降噪和本征模函数(IMF)能量谱的改进Hilbert-Huang方法

针对随机噪声和虚假IMF会导致改进HHT中EEMD分解质量下降和Hilbert谱混乱,提出了一种基于SVD差分谱降噪预处理和IMF能量谱剔除虚假分量的改进HHT。该方法首先对原始信号进行SVD降噪,通过基本不等式原理来确定相空间重组的最佳Hankel矩阵结构,利用奇异值差分谱来确定有效奇异值的阶次;然后对消噪的信号进行EEMD分解,通过IMF能量谱来去除虚假分量;最后对主IMF进行Hilbert谱分析。仿真和实验结果表明,SVD能提高信噪比,抑制噪声对EEMD分解精度的干扰;能量谱能有效地消除虚假IMF对Hilbert谱分析的影响;Hilbert谱中各频率成分清晰,解决了随机噪声和虚假分量对传统改进HHT的不良影响。

二维信号Hilbert-Huang变换时频谱研究

Hilbert-Huang变换(HHT)自适应时频分析是处理非平稳数据较为有效的新方法.根据一维Hilbert-Huang变换信号时频谱变换原理,研究了二维信号的分解和时频谱分析方法.通过把二维信号按指定方向进行一维分解和时频谱变换,构造出二维信号时间(空间)-频率-能量谱图,使二维信号在指定方向的时频特性能正确地显示出来,从而拓展了Hilbert-Huang变换的应用范围.该方法为分析非平稳二维信号提供了新的工具.

气固流化床压力脉动信号的Hilbert-Huang谱分析

首次将Hilbert Huang变换 (HHT)应用于气固流化床压力脉动信号的分析 ,提取并研究了压力脉动信号中隐含的表征复杂的粒子运动与气泡运动相互调制的非线性特征 ,以及压力脉动信号高、低阶内禀模态函数(IMF)之间的能量转换与流化床的流化状态相对应的新信息 ,在此基础上提出了采用压力脉动IMF分量的能量转移现象进行颗粒结块故障判别的新方法 .结果表明 ,应用Hilbert Huang谱对压力脉动信号分析的新方法能比现有的分析方法提供更多的有用信息 ,有助于更深入地揭示床内非线性流体动力学特征 .

基于Hilbert-Huang变换的大地电磁信号谱估计方法

由于大地电磁(MT)信号的非平稳特性,基于傅里叶变换的谱估计方法会带来偏差。本文提出了一种基于HHT的边际谱估算方法,即边际谱是由Hilbert谱沿时间轴积分得到,它代表了整个信号在时间跨度上的幅值累积效应。文中证明了边际谱的线性性质,详细讨论了提高Hilbert谱估计精度的两种方法,并对仿真MT信号和实测MT信号进行了数值实验。理论与实验证明,基于HHT的谱估计方法更符合MT信号的实际情况,能够最小化大地电磁信号非平稳性带来的估算偏差,且可抑制较强的白噪声,其频率分辨率和估算精度均高于傅里叶变换方法。

Hilbert-Huang变换的鼾音信号谱分析

在分析Hilbert-Huang变换算法的基础上,利用此变换对打鼾者的鼾音信号进行了分析。通过经验模态分解把鼾音信号分解为一系列固有模态函数,并分析了各固有模态的频率特征,对各模态的生物学意义进行了描述。对固有模态函数进行了Hil-bert变换,建立了鼾音信号的Hilbert谱和边际谱。结果表明Hilbert比小波变换所建立的时频分布具有更好的时频分辨率,解决了时间分辨率和频率分辨率互相影响的问题;从实际看边际谱比傅里叶谱有更准确的物理意义。Hilbert谱和边际谱为脉搏信号的特征提取和模式识别提供了可靠的依据。

基于改进Hilbert-Huang变换的管路环向裂纹故障诊断研究

在制造、加工、装配以及服役过程中,航空液压管路可能存在平面型缺陷。在适航载荷作用下,这些缺陷会萌生裂纹并发生扩展,最终导致管路破裂和油液泄漏。为了在管路产生微裂纹时对其进行故障诊断,采用了自行搭建的航空液压管路模态试验平台和测控系统,对存在环向裂纹航空液压管路的振动信号进行了采集和预处理。而在对管路振动信号进行分解时,由于经验模态分解(Empirical Mode Decomposition,EMD)算法存在模态混叠问题难以获得准确的本征模态函数(Intrinsic Mode Functions,IMF)。为提高信号处理精度,提出一种基于自适应噪声完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和Hilbert变换理论相结合的改进Hilbert-Huang变换方法对航空液压管路环向裂纹进行故障诊断。研究结果表明,该方法能够更准确地诊断航空液压管路的环向裂纹故障。

基于Hilbert-Huang时频谱的性能分析研究

针对传统的时频分析方法存在的局限性,评述了一种最新的可适用于非平稳、非线性信号的时频分析法-Hilbert-Huang时频分析方法。研究了Hilbert/Huang时频分析方法的算法理论并对其性能进行了分析。仿真实验中通过与传统的时频分析效果的比较,表明该法具有理想的时频聚集性,并且消除了交叉干扰项,揭示了HHT谱所特有的反映信号局部时频结构的能力。

基于Hilbert-Huang变换时频谱特征的齿轮箱故障模式分类

针对现有的齿轮箱故障模式分类方法的缺陷,提出了一种基于Hilbert-Huang变换(HHT)时频谱特征的齿轮箱故障模式分类方法。首先通过HHT算法获得齿轮箱的故障信号时频谱图,然后依据不同故障时频谱图的不同特征,成功地对齿轮箱的故障模式进行了分类。对于时频谱图相似的故障模式,可以借助有效值和峭度系数的大小来区分不同的故障程度。将HHT方法与傅里叶变换及小波变换在齿轮箱故障模式分类中的效果进行了对比,对比结果验证了HHT方法在齿轮箱故障模式分类中的有效性和优越性。为齿轮箱的故障模式分类提供了一种简单易行的方法。

一种基于Hilbert-Huang变换和循环谱的直扩信号参数估计方法

尝试将Hilbert-Huang变换时频分析方法应用到直扩信号的参数估计领域,在研究传统循环谱参数估计方法的基础上,充分利用直扩信号的循环平稳特性和Hilbert-Huang变换的分解自适应性以及良好的时频聚集性,提出一种基于Hilbert-Huang变换和循环谱理论的参数估计方法。该方法避免了多维搜索,且不需要伪码序列和各频率参数等先验信息,可实现直扩信号的盲参数估计,仿真实验证明了该方法的有效性。

Hilbert-Huang变换能量谱在轴承故障诊断中的应用

Hilbert-Huang变换是先把时间序列信号用经验模态分解方法分解成不同特征时间尺度的固有模态函数,然后经过Hilbert变换获得频谱的信号处理新方法.介绍了该方法的基本原理,并将Hilbert-Huang变换的能量谱应用于轴承故障诊断,轴承故障实验信号的研究结果表明:Hilbert-Huang变换的能量谱分析方法,能有效地诊断轴承的故障.

Hilbert—Huang变换在谱分析中的应用

本文对Hilbert—Huang变换（Hilbert-Huang Transform）理论做了仿真研究，并通过仿真实验对非平稳信号作经验模式分解（Empirical Mode Decomposition），得到它的固有模态函数（Intrinsic Mode Function）分量；对各个分量作Hilbert变换，得到瞬时频率，并构造希尔伯特谱-时间-频率的时频分布图。通过与短时傅立叶变换（Short Time Fourier Transform）、小波变换（Ｗavelet Tramform的分析比较，Hilbert—Huang变换方法更能反应原始数据的固有特性，有更好的时频聚集性，更适用于对突变信号和非平稳信号的处理。

基于EMD和Hilbert谱的风电机组滚动轴承故障诊断方法研究

滚动轴承是风电机组传动系统的关键零部件,恶劣的服役工况导致其故障率比较高,且故障所造成的经济损失比较大,对风电机组滚动轴承故障诊断具有重要的现实意义。针对传统包络谱分析在复杂故障诊断中的局限性,联合EMD和Hilbert谱提出了滚动轴承故障诊断的新方法。对实测振动信号进行小波分解得到高频系数,并对高频系数进行Hilbert变换,得到包络信号。将包络信号进行EMD分解,计算各IMF分量的瞬时频率,结合故障频率选择有用的IMF分量,最终得到用于故障诊断的局部Hilbert边际谱。将该方法应用于实测风电机组滚动轴承外圈和内圈故障振动信号分析中,其在提取滚动轴承故障频率方面的性能优于传统包络谱分析法。

Hilbert-Huang变换与大地电磁噪声压制

大地电磁信号具有非线性、非平稳、非最小相位特征,不符合以Fourier变换为基础的传统功率谱估计的基本要求.Hilbert-Huang变换是近年发展起来的处理非线性、非平稳信号的完全局部时频分析方法.本文在简要介绍Hilbert-Huang变换基本原理与算法基础上,以实际数据分析为例,探讨了它在大地电磁信号处理及噪声压制中的应用.提出利用Hilbert时-频能量谱对大地电磁信号进行时段筛选,以提高信号品质,增强数据处理的质量和资料的可解释性.利用经验模态分解方法及其多尺度滤波特征,可以有效地分析MT信号中的噪声分布特征,并进行干扰压制.

Hilbert-Huang变换在电力系统过电压识别中的应用

将希尔伯特-黄变换(HHT)方法引入到过电压信号分类识别研究中,该方法由经验模态分解(EMD)与Hilbert变换两部分组成,能够定量、准确地对信号幅值及频率特征进行刻画。采用HHT方法对7种电力系统中常见的过电压信号进行了分析计算,结果表明HHT方法计算得到的瞬时幅值谱、Hilbert边际谱、Hilbert时频谱,能够作为特征量对不同种类型过电压进行分类识别。基于HHT算法与RBF神经网络搭建了过电压信号分层识别系统,并以实测过电压数据对其进行验证,结果表明,该分类识别系统能够有效地对过电压信号进行分类识别,并具有较高的识别率。

一种基于改进Hilbert-Huang变换的非平稳信号时频分析法及其应用

对于非平稳信号时频分析,提出了一种基于改进Hilbert-Huang变换(HHT)的分析方法.根据HHT的已有原理,改进了经验模式分解(EMD)过程中的筛选停止准则,提高了分解精度;给出了Hilbert谱分析的完整过程;以线性调频连续波(FMCW)信号模型作为研究对象,结合改进的EMD分解和完整的Hilbert谱分析,通过分析时频分布特征实现高噪声背景下雷达目标信号的检测以及干扰信号的提取.仿真结果表明了改进后的HHT方法对于低信噪比非平稳信号分析的有效性.

Hilbert能量谱及其在齿轮故障诊断中的应用

将Hilbert Huang变换引入齿轮故障诊断,提出了局部Hilbert能量谱的概念,同时建立了一种基于Hilbert Huang变换的齿轮故障诊断方法:Hilbert能量谱方法.该方法首先采用EMD方法将齿轮故障振动信号分解为若干个固有模态函数(IntrinsicModeFunc tion,简称IMF)之和,然后选择包含故障信息的IMF分量进行Hilbert变换得到局部Hilbert能量谱。在局部瞬时能量图中可以发现,齿轮故障振动信号具有明显的冲击特征,从而可进一步对齿轮故障进行诊断.

Hilbert-Huang变换的滤波特性及其应用

Hilbert-Huang变换是最新发展起来的处理非线性非平稳信号的时频分析方法。其基本的实现分为两步,多分辨经验模态分解和瞬时频率的求解,随后可以获得信号的时—频谱。这种方法的关键部分是多分辨经验模态分解,任何复杂的信号都可以分解为有限数目并且具有一定物理意义的固有模态函数。多分辨经验模态分解方法可以解释为以信号极值特征尺度为度量的时空滤波过程。时空滤波器充分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有很大的优势。文中介绍了Hilbert-Huang变换时空滤波的实现过程,并列举了一些实例,说明了该方法的有效性。

Hilbert-Huang变换在滚动轴承故障诊断中的应用

提出了一种新的滚动轴承故障诊断方法——基于小波系数包络信号的局部Hilbert边际谱方法,在Hilbert—Huang变换的基础上介绍了局部Hilbert谱和局部Hilbert边际谱,并将它应用于滚动轴承的故障诊断中。用小波基将滚动轴承故障振动信号分解,对高频段的小波系数用Hilbert进行包络分析得到包络信号,再对包络信号进行Hilbert—Huang变换求出局部Hilbert边际谱,从局部Hilbert边际谱中就可以判断滚动轴承的故障部位和类型。通过对滚动轴承具有外圈缺陷、内圈缺陷的情况下的振动信号的分析,说明该方法比传统的包络分析方法更能有效地提取滚动轴承故障特征。