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.

Hilbert时频谱在大地电磁数据处理中的应用

文中研究了大地电磁信号的Hilbert时频谱特征,并将其用于大地电磁信号的噪声识别、数据筛选和分段平稳分析中。通过内蒙古毛登区实测大地电磁数据处理,验证了方法的有效性。结果表明Hilbert时频谱可准确地描述大地电磁数据的突变点、持续时段和频带能量分布,为大地电磁信号的噪声识别、数据筛选和分段平稳处理提供了条件;利用Hilbert时频谱可挑选出信噪比高、能量强且分布均匀的信号段,并可做进一步的参数估计,提高了资料处理质量。

基于希尔伯特-黄变换的地震信号时频谱分析

希尔伯特-黄变换(Hilbert-Huang Transform,HHT)是分析非线性、非稳定信号的一种新方法,能清晰地刻画地震信号的时频能量分布。首先将信号分解为有限数量的固有模态函数I MF,再对这些I MF求解瞬时频率,进而获得信号的时频谱。应用理论模型和实际地震道数据进行了试算,并与S变换谱进行了对比,证明该方法比S变换具有更好的时频域刻画能力。对实际二维地震剖面做HHT变换求得希尔伯特谱,提取分频剖面分析认为,HHT瞬时谱具有一定的油气检测能力。

冲击信号的Hilbert时频谱频率分辨率性能评价模型

频率分辨率是Hilbert时频谱表征信号的一个重要参数,即便对同一信号来说不同的频率分辨率会造成Hilbert时频谱有较大差异,并直接影响分析结果的准确性。但如何确定最佳的Hilbert时频谱频率分辨率,当前还鲜有研究。为了获取最佳Hilbert谱频率分辨率,提出了一种新的频率分辨率评价方法,建立冲击信号Hilbert时频谱频率分辨率的性能评价模型,以此为依据来获得最佳的Hilbert时频谱频率分辨率。最后,通过信号分析来验证此方法的有效性。

应用Hilbert时频谱和神经网络对发电机转子故障进行分类的方法研究

提出了一种新的发电机转子故障检测的信号分类方法H ilbert时频谱,它是一种新的分析非平稳、非线性的时频分析方法。这种方法用经验模式分解法将一维信号分解成内蕴模式函数,进而计算有意义的多分量信号的瞬时频率。将其应用于故障信号的分析,可以提供新的时频属性;然后计算这种时频谱的矩和边缘以及时频熵,并将其作为特征向量。应用RBF概率神经网络作为分类器,可以实现不同故障模式的自动分类。对发电机的不同转子故障模式的信号研究表明了该方法的精确性和稳定性。

黏土-砂混合物三轴压缩超声波特性研究

为研究核废料缓冲回填材料的超声波特征,本文利用岩石三轴压缩伺服仪和超声波测试系统,开展侧限压缩和常规三轴压缩2种应力路径和2种超固结比状态OCR=0.83和2.9的压实黏土-砂混合物的三轴压缩试验和超声波测试。结果表明:侧限压缩试验的纵、横波波速(V_(p)、V_(s))曲线表现出与轴压-轴向应变曲线相似的3阶段特征,但V_(p)曲线具有滞后效应;常规三轴压缩试验的V_(p)增加,V_(s)降低,V_(p)和V_(s)变化与围压有关。动剪切模量和动泊松比(G_(d)和μ_(d))的曲线分别与V_(s)和V_(p)的曲线相似,围压主要影响动剪切模量的大小;V_(p)和V_(s)与有效平均压力(p)有关,V_(p)和V_(s)与p的关系可用二次函数较好描述;横波信号的主频逐渐增大,主振幅先减小后增大,主频变得不易分辨,围压越大,横波信号衰减越强;Ⅰ和Ⅱ区随偏压加载而逐渐融合,横波分裂效应减弱。研究结果可为核废料缓冲回填材料的配比设计提供参考。

Zoom-FFT的改进、频谱反演与时-频局部化特性

回顾了经典连续分段序列Zoom-FFT方法.定义了时间分段序列的占空比Rms.分析了在实际应用中对Rms<1的时间分段序列的Zoom-FFT处理的需求并建立了处理这种序列的新方法.提出并证明了Rms为任意值的Zoom-FFT频谱反演回实际频谱的理论公式和修正公式.给出了对跳频信号进行Rms=1的Zoom-FFT处理和对话带信号进行Rms<1的Zoom-FFT处理并反演回实际频谱的例子.证明Zoom-FFT方法对解决信号快速搜索和粗分析与信号细节分析的矛盾有实用价值,间断分段序列的Zoom-FFT进一步提高了分析效率.最后讨论了Zoom-FFT具有类似于小波变换的时-频局部化特性问题.

典型振动信号时-频分析方法研究

首先对比较简单的单分量信号和多分量信号进行时-频分析,对比了不同时-频分析方法(STFT、WD、Hilbert时-频谱分析、连续小波分析)的分析精度。结果表明对单分量信号和可以分解为若干单分量信号叠加的多分量信号,Hilbert时-频谱分析精度最好,WD和STFT次之,连续小波变换的精度最差;由于Hilbert时-频谱分析和WD方法要求信号为单分量信号或可以分解为若干单分量的信号,故其不适用于复杂信号的时-频分析;对多分量信号,STFT时-频谱较连续小波时-频谱精度高些。需要指出的是,当使用STFT方法时,取不同的窗参数,STFT的时-频分析精度相差很大,必须使用合适的窗参数,以取得较好的分析效果。此外还对El Centro波的两水平分量和人工合成的地震动进行了时-频分析,虽然STFT的时间分辨率和频率分辨率存在矛盾,但它对信号的适应性最强,对复杂信号的时-频分析精度一般可以满足需要,而连续小波变换进行信号的时-频分析时,时-频分辨精度最差,且对于大于30Hz的频率分量,随频率的增加,时-频分析的效果和精度迅速变差,说明小波变换并不适合于做时-频分析,尤其对于高频信号,用连续小波变换得到的时-频谱图看起来很粗糙,而且很难准确解释。进一步对比了真实地震动和人工地震动的时-频分布,认为用胡聿贤教授合成人工地震动的方法合成的地震动在时-频域上的分布和真实地震动相似。

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。

基于Hilbert谱的心率变异信号时频分析方法

心率变异性(heart rate variability,HRV)信号的频域分析方法是用来表征自主神经调控信息的基本方法。为了评估自主神经系统功能及对心血管活动的影响,提出一种基于Hilbert时频谱的HRV信号的时频特征提取和分析的新方法。对HRV信号进行希尔伯特-黄变换(Hilbert-Huang transform,HHT)以获得HRV信号Hilbert时频谱,依据短时程HRV信号的线性频域分析指标,得到不同生理频带的Hilbert能量棒形图,提取总能量、各生理频带的能量和其归一化能量以及生理频段的能量比值作为评价心率变异性的时频特征。对MIT-BIH数据库的年轻人、老年人样本和健康人、心衰病人样本的HRV信号分析表明,基于Hilbert谱的时频特征的区分性能好,有较清晰的生理意义,能反映人的生理病理变化,为短时程HRV信号分析提供了一种有效方法。

α-β坐标系下瞬时无功功率的笼型异步电机转子故障诊断

根据α-β两相静止坐标下的瞬时无功功率理论,推导出笼型异步电动机定子瞬时无功功率在正常状态、转子断条故障、转子偏心故障、以及两者的复合故障状态下的表达式,并提取出不易被基频淹没、易于辨识的故障特征频率,以此达到诊断电机的目的。同时,转子复合状态下的故障特征频率得到有效分离。最后,利用双Hilbert变换,滤除瞬时无功功率频谱中的直流成分,更好地突出故障特征分量。实验采集定子三相电压电流,经过坐标变换,运用两相静止坐标系瞬时无功功率理论得到瞬时无功功率,进行频谱分析,验证了此法对电机转子各种故障诊断的准确性。

观测泛函的无限时p-容许性

引入无界观测泛函的无限时p 容许性概念 ,讨论了相关性质 ,当C0 半群 {T(t) } t≥ 0 指数稳定的 ,证明了无限时p 容许性与p 容许性是等价的 .最后用具体的例子给出了一个无界观测泛函的无限时p 容许性 .

心室颤动时心电图双频谱能量与电除颤结果的相关研究

目的为探讨心室颤动时正交心电图(ECG)相位耦联程度与心室电除颤结果之间的相关性。方法在10只成龄犬中按矢状方向(Y轴)、横向(X轴)和纵向(Z轴)连接电极建立正交ECG并按置经静脉双导管心脏电除颤系统;诱发室颤持续10s,按选定的除颤成功率为50%的电量进行电除颤(DF);使用数字化ECG双频谱能量估价相位耦联程度。结果在206个心室电除颤成功的试验(DF1)和221个电除颤失败的试验(DF2)两组中,DF2双频谱能量明显大于DF1。结论研究结果提示正交ECG中相位耦联程度与DF结果之间有相关性。

基于HHT的导弹发射冲击时频谱分析

为研究弹载部件在导弹发射过程中的冲击响应及冲击信号的传递特性,进行了基于希尔伯特-黄变换(Hilbert-Huang transform,简称HHT)的导弹发射冲击时频谱分析。由于经验模态分解(empirical mode decomposition,简称EMD)结果易受白噪声的影响,研究了总体经验模态分解(ensemble empirical mode decomposition,简称EEMD)技术。以弹体不同位置的实测冲击信号为对象,应用HHT技术进行分析,准确得到了导弹发射冲击信号的固有模态函数(intrinsic mode function,简称IMF)和时间-频率-能量谱特征,并研究了两次冲击的频率分布和各阶IMF与原始信号的相关性。结合边际谱分析对比了两个舱段能量在中低频和高频的传递特性,进一步验证了HHT方法在分析非线性和非平稳冲击信号中的优越性。

时滞系统与Pritchard-Salamon系统

首先构造了Hilbert空间V,在V上定义了线性算子AV及V上的算子族S(t),证明了S(t)是V上的C0-半群,AV是S(t)在V上的生成,又构造了Hilbert空间W,使V上的C0半群限制在W上仍是C0-半群,最后构造了算子B和C,并证明了B和C是容许输入算子和容许输出算子,从而将Hilbert空间中的时滞系统转化为了一个Pritchard-Salamon系统(简称PS系统).

基于希尔伯特黄和时频熵方法检测钢轨扣件扣压力研究

钢轨扣件扣压力对车辆运行安全具有重要作用。该文通过室外试验获得了钢轨在不同紧固条件下的竖向振动加速度响应。采用正交经验模态分解方法得到原始振动信号的正交固有模态函数(Intrinsic Mode Funtion,IMF)。然后基于正交IMFs得到Hilbert时频谱和边界谱,并计算和比较了相应的熵。分析结果表明,该方法可用于检测不同钢轨扣件的扣压力。

基于时频图像特征提取的状态识别方法研究与应用

介绍一种基于时频图像进行设备状态识别的新方法。论述了对振动信号应用Hilbert谱构建二维时频图像,研究时频图像三维重心与信息熵的特征提取方法构造特征向量,采用支持向量机进行设备的状态识别。并以滚动轴承不同状态的识别为例,验证方法的有效性。为提高滚动轴承振动信号特征提取的可靠性,采用多循环平均方法减小循环波动性影响。研究表明此方法能够提高设备故障诊断与状态识别的准确性。

Hilbert谱特征提取与支持向量机的状态识别方法研究

介绍一种新的基于振动信号分析的状态识别方法,即Hilbert时频谱重心与支持向量机相结合的进行设备故障诊断的分类方法。根据信号的循环平稳性,采用同步平均对信号进行预处理,实现从时域到角度域的转换;之后进行经验模式分解,计算得到Hilbert时频谱;在此基础上计算Hilbert时频谱的重心,构建一个特征向量。最后采用支持向量机进行训练和学习,实现设备的状态识别。并以滚动轴承的状态识别为例证明此方法的有效性。研究表明,此方法有助于设备预知维修的发展。

采用Hilbert谱带通滤波和暂态波形识别的谐振接地系统故障选线新方法

利用谐振接地系统发生单相接地故障后,非故障线路的暂态零序电流波形相似,而故障线路暂态零序电流波形与非故障线路差别较大的特点,提出一种基于故障暂态零序电流波形时频局部特征识别的接地选线新方法。将故障后各线路首个工频周波内的零序电流波形经Hilbert谱带通滤波分解为多频带分量,在时域上对各频带分量做等间隔划分,得等面积的时频小块,以其面积为元素生成各线路的分块时频谱矩阵,进而综合运用相关系数法及欧氏距离法求取各线路相对于其他线路的综合相似系数,结合选线判据确定故障线路。仿真结果表明,该选线方法能适应各种故障条件及影响因素,具有裕度高,选线准确等特点。

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。