高云超[1]2005年在《希尔伯特—黄变换方法的仿真研究》文中研究说明信号分析是在理论研究和实际工程应用中不可或缺的部分,信号的时间频率联合分析是近年来研究的热点问题。作为一种新的时频分析方法,本文详细介绍了希尔伯特-黄变换。本文从瞬时频率的基本概念理解入手,介绍了能够使得瞬时频率有物理意义的固有模态函数的概念,以及经验模式分解的具体实现方法;希尔伯特-黄变换的最终结果表示在时间-频率-幅度(能量)的叁维坐标内,称为希尔伯特谱,文中分析了希尔伯特谱与傅里叶谱分析的联系,比较了在频率分辨上两者的区别。然后,本文详细讨论了希尔伯特-黄变换中的几个关键的问题:明确了时间尺度的定义,从而对希尔伯特-黄变换是基于信号的局部特性的特点加深了理解;本文对引起边界问题的两个方面——边界点的预测和瞬时频率的求取问题进行了初步的探讨,尝试了几种不同的方法,对其应用的结果进行了比对分析。 在本文的最后,把希尔伯特-黄变换应用于模拟调制信号的分析,进行了仿真,包括标准的调幅信号和几种典型的角度调制信号,得到了在各种调制下其希尔伯特谱的分布特点;并且,希尔伯特黄变换被应用于分析非线性系统——杜芬(duffing)方程所描述的系统,对杜芬方程在有无外力作用下的情况作了分析比较。本文还将希尔伯特-黄变换应用于水池试验数据分析,对该方法从数据中反映出来的时频信息有了初步的了解。本文中对所有信号的分析均附有小波分析的结果与希尔伯特谱相比较,从中说明了希尔伯特谱在时频联合分析时的有效性,在时间、频率分辨上的准确性。
钟佑明[2]2002年在《希尔伯特—黄变换局瞬信号分析理论的研究》文中提出希尔伯特-黄变换（HHT）是上世纪末Huang等人首次提出的一种新的信号分析理论。它的主要创新是固有模态（IMF）概念的提出和经验筛法（EMD）的引入。通过EMD，将信号分解成IMF（一般为有限数目）的和，对每个IMF进行Hilbert变换就可以获得有意义的瞬时频率，从而给出频率变化的精确表达。信号最终可以被表示为时频平面上的能量分布，称为Hilbert谱。进而还可以得到信号的边际谱。HHT是基于信号局部特征的和自适应的，因而是高效的。它特别适用于分析大量频率随时间变化的非线性、非平稳信号。变化的频率是现实生活中人们经常直观感觉到的现象，HHT的根本目的就是描述和揭示这种时变频率现象及其规律，即求信号的瞬时频率。但为了获得信号某一时刻的瞬时频率值，HHT自适应地利用了信号在该时刻的局部信息。本文将这种表现为瞬时值，实际上自适应地隐含了信号局部信息的量称为局瞬量，将这种获得局瞬量的信号分析理论称为局瞬信号分析。为了体现这一特点，本文将HHT进一步称为希尔波特-黄变换局瞬信号分析（HHT-LISA）。HHT-LISA具有重要的理论价值和广阔的应用前景，已在一些实际工程领域中获得了有效的应用。但HHT的第一篇公开文献直到1998年才发表，因而这一理论出现的时间还很短暂，其完善和发展还有诸多工作要做。本文在Huang等人的前期研究工作基础上，采用物理意义、理论推导和编程验证相结合的研究方法，对HHT-LISA展开了较为深入和全面地研究，取得了一定的研究成果，将HHT-LISA理论向前推进了一步。HHT-LISA是现阶段一个全新的研究课题。对变化频率的研究虽然很早就已经开始，但后来的工作大都转向通过对信号的时频联合分析间接揭示这一现象，且都采用积分方法，它们的最终理论依据都基于傅里叶分析。傅里叶分析是发展最早和最成熟的信号分析理论，也是首先采用频谱分析信号的方法。但傅里叶分析中的频率是用全局的正弦波定义的，与时间无关。用傅里叶变换分析时变频率的信号会出现虚假信号和假频等缺陷。用基于傅里叶分析理论的时频联合分析也必然遭受同样的局限。并且，由于受Heisenberg不确定原理的限制，时频分析不能达到精确描述频率随时间变化的目的。HHT-LISA直接研究瞬时频率和对其规律进行精确地描述，且采用微分方法，因而其应用价值大为提高。当然研究难度也大为增加。为了对这一全新的课题进行彻底而全面的研究，在对HHT-LISA进行直接<WP=5>介绍和研究之前，本文首先对信号分析、傅里叶分析和时频分析进行了回顾。深入分析了傅里叶分析和时频分析与人们直观感觉上的差异及其原因。这些工作表明了人们对瞬时频率分析理论的渴望和研究的困难。之后，本文对HHT提出的历史背景进行了较详细地回顾。全面地介绍了HHT的主要依据、基本概念、基本方法、分析步骤、和分解的理想模型等；分析了HHT的明显创新性。在这些回顾的基础上，提出了“局瞬”这一新概念，从而深刻和准确地揭示了瞬时频率概念的本质属性，暗示了瞬时频率分析的方法和途径，阐释了长期以来人们感到瞬时频率概念难以把握的根源，也体现了HHT的根本特点。针对IMF的描述性定义，提出了IMF应满足的本征条件，从而初步用数学关系式给出了IMF的数学模型，基于该模型较为成功地论证了IMF局部对称性的必要性和用极值点拟合IMF包络线的合理性。针对经验筛法的理论还不够完善问题，提出和论证了Hilbert变换的局部乘积定理，该定理进一步给出了经验筛法的理论依据。提出了“自适应多分辨”和“恒定多分辨”概念，这两个概念概括了经验筛法和小波变换的根本区别。另外还总结了HHT的十四个特点；给出了Hilbert谱的进一步表示；改善了经验筛法的终止条件；对瞬时频率的算法作了比较，提出了选择恰当方法的意见等。包络线和均值曲线的拟合是HHT-LISA的关键问题，它在很大程度上将影响到新理论和新方法的成熟和推广应用，因而对其研究具有重要意义。本文首先分析出了HHT-LISA中曲线拟合所要求的性质；总结了文献中采用的叁次样条插值法的不足，因而引入了一种光滑性虽然更差，但自适应更好的插值法——阿克玛法。然后基于抛物线参数样条拟合法的原理，提出了一种新的插值法——分段幂函数法，用叁种插值法的仿真试验和比较说明了新插值法的优点。但以上这些曲线拟合法都只具有低阶光滑性，不能提高光滑性，或者，为了提高光滑性，就会造成更为严重的过冲和欠冲问题；这些方法也不是从频率要求方面出发提出的。为了更深入地研究和解决HHT-LISA中的曲线拟合问题，本文对非均匀采样信号的重构算法进行了研究，在分析了文献中的一些非均匀采样信号重构算法的不足之后，基于内插函数，提出了一定带宽条件下非均匀采样信号的一种重构算法——解方程组法,这一方法简单有效。仿真试验验证了这一重构算法的正确性。筛法是HHT-LISA的核心问题，它需要得到信号的均值曲线。Huang等人在提出HHT时首先采用的方法是用叁次样条曲线分别拟合信号的极大值和极小值点作为上、下包络线，对上、下包络线求平均得到均值曲线。这种通过拟合包络线得到均值曲线的方法每次筛选都需要经过两次曲线拟合，因而很费机时，也容易造<WP=6>成过
张小丽[3]2008年在《基于希尔伯特—黄变换的输电线路故障行波定位与保护方法》文中研究指明随着电力系统规模的扩大,输电线路故障定位和继电保护变得越来越重要。电网故障产生的暂态行波信号,沿输电线路以接近光速的速度传输到电网中各变电站,在各变电站记录故障行波到达的精确时间和波形特性,可以进行故障行波定位和行波保护。故障行波定位和行波保护不受CT饱和、系统振荡和故障电阻等因素影响,具有定位精度高、保护动作速度快等优点,故障行波定位和行波保护已成为国内外研究的热点。但行波信号变化速度快,信号特征提取困难。为此,本论文利用希尔波特-黄变换(HHT)对故障行波信号进行分析,提出了新型行波定位和保护方法。论文首先阐述了输电线路行波的基本理论;针对行波定位的关键问题---故障时刻的准确提取,提出了利用HHT方法来检测和分析故障暂态信号的方法。通过经验模态分解法(EMD)提取故障行波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,由瞬时频率进行行波到达时刻的准确检测;希尔波特-黄变换与小波变换比较,不存在变换参数的选取难题。论文对一实际的电力系统进行了仿真,并将该方法与小波变换进行了仿真比较,结果表明:采用希尔波特-黄变换提取电网故障行波波头到达的时刻最精确,故障定位精度最高。论文还对输电线路上的阻波器以及不同的母线分布电容对行波传输的影响进行了详细仿真分析,对比分析了输电线路区内故障与区外故障产生的故障行波信号频率特性的差别。由希尔波特-黄变换计算变电站电压行波波头的频率,利用输电线路两端变电站电压行波波头频率的比值进行线路内部故障判断。经理论分析和EMTP仿真验证,该行波保护方法具有保护精度高、选择性和可靠性好等优点。
王宏宇[4]2012年在《基于希尔伯特—黄变换的语音识别特征提取方法研究》文中提出语音是人类进行交流的一种自然、基本和最重要的信息载体，随着科技的飞速发展，人们认识信号的能力在不断提高。语音信号处理技术及其应用在信息社会潮流中，已然成为研究的热点。语音识别作为语音信号处理中极其重要的一个分支，主要包括特征提取技术、模型训练技术以及模式匹配准则。大量研究表明，语音特征的提取与选择直接影响到识别率与识别速度。常用于语音识别的特征，如LPCC、MFCC以及基于Wavelet变换提取的特征等，都是基于信号的时频分析技术。而传统时频分析技术有对信号满足线性或平稳性的假设前提，这意味着，在非线性、非平稳信号上的分析处理仍存在缺陷。希尔伯特--黄变换（Hilbert-Huang Transform，简称HHT）是黄鄂院士于1998年提出的一种适用于非线性非平稳信号分析处理的有效方法，它通过经验模态分解（Empirical Mode Decomposition，简称EMD）和固有模态函数（Intrinsic Mode Function，简称IMF）的定义，使得HHT能将一个复杂信号自适应地分解成瞬时频率有物理意义、有限个可以是幅度或频率调制、频率从高至低分布的一组IMF，它们的希尔伯特变换结果构成揭示非线性、非平稳信号时变特性的时间--频率--能量的叁维时频分布谱图。HHT不需要任何先验知识，分解基自适应地依赖信号本身，信号的分解具有真实的物理意义；同时，它不再受Heisenberg测不准原则的制约。大量应用研究表明，在非线性非平稳信号分析处理中，HHT表现出了优越的特性。语音信号是一种典型的非线性、非平稳信号，本文利用HHT来取代传统语音信号特征提取中的时频分析方法，在信号经HHT变换后获得的一批物理量（如：IMF、时频谱、边际谱等）中，通过研究，提取出了用于语音识别的高效特征向量：基于希尔伯特边际谱的Mel频率倒谱系数（HMS-MFCC）和瞬时能量加权中心频率（EWCF）。同时，结合基于B样条EMD（BSpline-EMD）和系综模态分解（EEMD）的思想，提出了一种采用滑动窗和B样条基函数快速计算的改进分解算法：基于快速B样条的滑动窗EMD分解（Sliding-fastBSpline-EMD）。另外，分别在测试函数组和录制语音库上，进行了大量仿真实验和对提取出的特征进行了语音识别实验对比分析，验证了HHT的时频分析性能、改进分解算法的分解能力和提取出的特征表征能力。
李关防[5]2008年在《希尔伯特黄变换在瞬态信号处理中的应用》文中指出物体入水声、水下碰撞声等一类水声瞬态信号一直是水声界关注的焦点,尤其是在本地强干扰情况下对此类信号的及时有效地检测并测向在水声对抗中具有重要的意义。利用互相关法测向,当信噪比降低时,相关峰变得不明显,在进行相关峰检测时,容易产生虚警。本文将希尔伯特黄变换这种新的时频分析方法应用于瞬态信号检测,研究了强干扰下瞬态信号检测和测向的算法,并对互相关测向法进行了改进,实现了在较低信噪比下目标方位的准确估计。本文详细论述了希尔伯特黄变换的思想及实现方法,并通过仿真对算法的特性进行了研究,分析了经验模态分解(EMD)的突出信号局瞬特征和多分量信号分离的特性。针对不同的实际应用,总结提出了固有模态函数(IMF)的选取原则。通过对互相关函数的经验模态分解和有选择的利用分解出的IMF重构互相关函数可使相关峰更加明显,基于此对互相关测向法进行了改进,改进后的互相关法能适应更低信噪比下的相关峰检测,方位估计结果进一步验证了此方法在低信噪比下对目标的方位估计的有效性。论文对物体入水声的特性进行了研究,从其形成机理上分析了其波形特性和击水声源级,为物体入水声的识别和击水声的源级预报提供理论基础。矢量传感器能同时、共点的接收声场的声压和振速信息,基于此本文结合传统的矢量信号处理理论和希尔伯特黄变换,针对实际中经常出现的强干扰下瞬态信号检测问题,提出了模态声强器算法(MAIA)。结合MAIA和物体入水声波形特性,可以实现对物体入水声的检测和测向,可用于对任何落水目标的方位估计;并且能在本地平台强干扰下,实现对水下碰撞声、目标启动声等瞬态信号及时有效得检测。湖试和海试结果进一步证明了算法的可行性和可靠性。
陈双喜[6]2014年在《高速车辆—轨道耦合系统动力响应的局瞬谱研究》文中指出车辆—轨道耦合系统是一个非线性、非稳态的复杂动力系统。传统的以傅立叶变换为基础的谱分析,仅在单独的时域或者频域描述动力系统的响应时程,很难直观、明确地把握耦合系统响应时程的时变特征。虽然基于傅里叶变换的时频分析方法如短时傅立叶变换、小波分析等能在一定程度上把握动力系统响应的非平稳特性,但是这些方法均存在明显的缺陷：基函数必须是事先设定好的,因此不具备自适应性；分析扭曲数据时可能引入无物理意义的“伪”谐波分量等。在实际工程中,由于时间长度有限,我们只能近似地检测动力系统的平稳性；而现实中的振动信号几乎都不满足经典的平稳性定义,因此很少有人去检验信号的平稳性。对于非线性动力系统,其输出依赖初始条件和载荷情况；传统的基于系统输入输出来判定系统是否非线性的方法在现实中并不可行,这是因为现实中的动力系统要复杂的多,且输入和输出很难量化。基于经验模态分解(EMD)和总体平均经验模态分解(EEMD)的局瞬谱分析,是Norden E.Huang和Wu Zhaohua提出的处理非平稳非线性信号的方法,其基本内容是经验模态分解与局瞬谱计算。EMD/EEMD是一种自适应数据分解方法,它基于信号本身的局部时间尺度特征进行分解,无须关于待分析信号的先验知识。任意振动信号首先被分解成若干本征函数(Intrinsic Mode Function, IMF),然后对每个IMF计算瞬时频率和瞬时幅值得到振动响应分量的局瞬谱,汇总所有IMF的局瞬谱就得到振动信号的局瞬谱。由于在时间和频率空间均具有高分辨率,它能清晰描述动力系统振动响应的时频分布；由于该方法能准确捕捉动力响应的频率调制现象,我们可据此来定义动力系统的非线性指标和非稳定指标。本文对基于EMD和EEMD的局瞬谱分析方法及其在车辆—轨道耦合系统中的应用展开了如下的研究：(1)详细介绍EMD、EEMD及其局瞬谱理论研究的最新成果。包括各种瞬时频率及局瞬谱的计算方法、固有模态函数IMF的定义与数学属性、EMD的滤波特性、EMD和EEMD方法的数学和物理意义。对EEMD方法进行了研究,提出一种根据IMF平均周期、能量密度和能量比率分辨IMF是否为噪声的判据。详细探讨5次以内两整数次谐波分量能进行EMD分解的条件和判定准则,研究迭代次数对分解条件的影响,并修正两分量可分离的极值点判断准则。针对零点漂移强干扰信号,提出基于线性插值EMD的强干扰去除方法。(2)介绍时变线性和非线性动力系统的基本特征和数学模型,比较分析传统谱分析和局瞬谱方法在分析非线性非稳态系统中的优劣。基于局瞬谱方法提出非稳定性指标和非线性指标,并通过数学算例分析验证其可行性和有效性。(3)建立典型的高速列车—无砟轨道耦合系统,并将局瞬谱分析方法、非稳定性和非线性量化方法引入车辆—轨道耦合系统的动力学频谱分析中,分析典型运行工况对车辆系统动力响应局瞬谱、非线性指标和非稳定指标的影响。这些工况包括：5阶以内车轮非圆化,特别是一阶、二阶车轮非圆化；轨道谐波不平顺；钢轨波浪形磨损；抗蛇形减振器失效。此外还包括两种复杂工况,即车轮非圆化与轨道复合不平顺激扰、车轮非圆化与轨道谱激扰。(4)选取一个完整轮对镟修周期内的试验数据,分析车轮磨耗、列车稳定性和平稳性变化规律；着重分析轮对镟修周期内高速列车加速度响应局瞬谱、非线性指标和非稳定指标随运营里程增加的变化情况；并单独分析轮对镟修前后列车振动响应局瞬谱、非线性指标和非稳定指标的变化情况。最后针对实测信号中存在的零点漂移局部强干扰问题,以转向架横向稳定判别为例,验证提出方法的有效性和实用性。
王春旭[7]2009年在《基于希尔伯特—黄瞬时测频的DSP软件设计》文中研究表明本文在时频分析背景的基础上,介绍了希尔伯特-黄变换的基本概念并对应用希尔伯特-黄变换进行瞬时测频的基本原理进行了详细的论述和分析。讨论了不同算法在曲线拟合、终止条件、边界处理和希尔伯特变换等方面的应用效果。通过对不同算法应用于瞬时测频系统各个环节所产生效果的比较,最终确定出系统软件的总体设计框架和各个环节的具体实现算法。此外,根据系统总体设计框架的要求,用C语言在CCS平台下实现了系统各子系统的相应功能并在论文中对如何用C语言实现各子系统进行了比较详细的介绍。最后根据CCS下用C语言进行DSP软件开发的特点,对所编制的系统软件进行了全方位的优化并将优化后的程序载入瞬时测频硬件平台进行了测试。本论文重点阐述了如何用C语言在CCS下编写DSP软件来实现希尔伯特-黄瞬时测频的问题,并对实验中遇到的一些问题进行了分析和探讨。本论文所编写的DSP软件较好地实现了用HHT进行瞬时测频的功能。
李丹[8]2011年在《希尔伯特黄变换在水声通信中的应用》文中研究指明希尔伯特黄变换(Hilbert-Huang Transform,简称HHT)是1998年由Huang等人首次提出的一种新的非线性、非平稳信号的分析方法。其关键部分是经验模态分解方法(Empirical Mode Decomposition,简称EMD),任何复杂信号都可以由EMD方法分解成有限个本征模态函数(Intrinsic Mode Function,简称IMF),对每个IMF进行Hilbert变换就可以获得有意义的瞬时频率,从而给出频率变化的精确表达式。HHT作为一种新的信号分析方法,已逐步应用到非线性系统、生物医学、地震信号、桥梁健康监测、故障诊断、重力波、海洋环流、环境工程和语音信号处理等领域。而将HHT应用于通信领域还未见文献报道。本文将HHT方法应用于水声通信中,研究这种方法的可行性是本文的重点。本文首先详细阐述了HHT的思想和实现方法及HHT中的相关问题。然后结合具体实例分析了傅里叶变换(FFT)和HHT在信号处理时的差别,揭示了HHT在处理信号时的优势。利用HHT方法能够给出非平稳信号的瞬时频率这一特点,提出了一种新的调制方法——HHT调制解调方式。这种调制方式的优点是保密性好。以本文提出的新方法作为调制方式,结合RAKE接收技术和RS纠错编码,构成HHT水声通信系统。通过MATLAB软件仿真给出HHT水声通信系统的仿真结果,结合误码率曲线讨论了HHT水声通信系统的性能,并分析了RAKE接收机和RS码对环境干扰的改善情况以及该系统适合工作的环境。为了进一步验证HHT水声通信系统针对实际通信环境的有效性、稳定性,做了水池试验和湖上试验,文中分析了水池试验数据和湖上试验数据。综合理论研究、仿真分析及试验数据,验证了将HHT方法应用在水声通信中是可行的。最后,本文给出了基于定点数字信号处理器(DSP)的HHT调制解调过程的实现步骤。结合DSP的内存和实时性的考虑,合理选取HHT算法中的边界处理、曲线拟合、终止条件等各个算法,并结合实际编程总结了DSP的优化方法。最后给出算法在CCS环境下在TMS320VC5509A上运行的仿真结果。
姚志超[9]2013年在《希尔伯特—黄变换在光纤EFPI光谱检测中的应用研究》文中研究指明关于光纤EFPI传感器反射光谱的解调,如何从EFPI光谱信号中获得EFPI腔长的信息,是光纤EFPI传感器系统解调的一个主要的工作。一般的解调算法有单峰解调算法、双峰解调算法、快速傅里叶变换算法、游标解调算法等,而这些算法之中,除了快速傅里叶算法不需要对信号进行滤波外,其他的算法都要先对EFPI光谱信号进行滤波。而快速傅里叶解调算法的精度受到其光谱仪的采样精度的影响,一般的解调精度都不高。为了获得高精度的解调腔长,因此如何从带有噪声的EFPI光谱中获得EFPI的反射光谱信号是EFPI系统解调所要研究的一个重要的部分。由于EFPI系统的光源强度的不稳定、光纤传输中的损耗等原因,会使获得EFPI光谱成为一个非平稳、非线性的信号。基于傅里叶变换的信号处理方法在处理非平稳、非线性信号方面具有局限性,而希尔伯特-黄算法(Hilbert-Huang Transform,简称HHT)在处理非平稳、非线性信号上具有其他算法所没有的优势。因而我们提出了使用HHT算法处理EFPI光谱信号,从中获取EFPI腔长的信息。本文的算法是在matlab上进行模拟解调的。使用HHT算法从模拟的加载噪声的EFPI光谱中提取EFPI的信息,并采用双峰算法从中解调出EFPI腔长的信息。确定了HHT算法应用于EFPI光谱解调的可行性。对于此种方法的腔长解调精度做了分析,并对HHT算法的端点效应,模态混迭等问题提出了解决方案,一定程度上抑制了这些问题所带来的影响。但是由于不能彻底的解决这些问题,对此提出了使用HHT算法对EFPI光谱进行滤波处理。模拟加载噪声的EFPI光谱信号,采用HHT算法去噪,并使用双峰算法解调。该算法解调出来的腔长的精度在十几nm。为了获知HHT滤波算法的滤波性能,实验采用了FIR滤波器和小波变换等两种算法对信号进行滤波,并采用双峰算法解调出EFPI的腔长,比较解调腔长的精度。得出HHT算法的滤波效果比这两种算法都要好。本文的最后对真实的EFPI光谱采用了HHT算法进行了滤波处理,并采用双峰算法解调,解调精度受到EFPI腔长的影响,误差很大。对此采用双峰和单峰算法结合的解调算法,得到的腔长同游标解调算法解调出来的腔长相差约2nm。由于采集到的真实EFPI光谱的包络会影响解调的精度,采用去除包络的方法对信号归一化,再采用单双峰结合的算法得到的解调腔长结果同游标解调算法解调出来的腔长相差仅0.1nm。该论文表明了HHT算法在EFPI光谱应用具有可行性,且具有一定的应用前景。
汪湘湘[10]2014年在《基于时频流形分析的设备故障诊断方法研究》文中研究说明旋转设备是现代冶金、化工、动力等工业领域中的关键设备,所以对于旋转设备的运行状态进行监测并进行故障诊断是十分必要的。从机械系统中获取的振动数据总是携带着对机械故障诊断来说非常重要的测量信息。而对于旋转机械,关键部件的局部故障常常在振动信号中表现为周期性的瞬态脉冲信息。然而,实际情况中,往往存在着大量的背景噪声会将瞬时脉冲信息湮没掉,从而大大增加了识别这些机械故障的难度。流形学习是近年来发展起来的非线性数据降维方法,它能提取高维数据中的主要非线性本质特征成分。本文基于时频流形在时频域抑制噪声以及分辨率增强方面的优点,将时频流形用于机械故障诊断中,取得了满意的效果。本文提出的时频流形在机械故障诊断中的应用主要有两个方面：时频流形相关匹配用于周期性故障识别以及利用时频流形对振动信号进行去噪。时频流形相关匹配用于周期性故障识别是将时频流形与图像模板匹配的概念结合起来,并且提出了一种新的时频流形相关匹配方法来加强对周期性故障的识别能力。此方法主要利用一个短时长的时频流形作为模板,在时频域中,对振动信号进行相关匹配操作。本文提出的利用时频流形对振动信号进行去噪的方法,是通过结合时频综合以及相空间重构综合实现信号去噪的。得到的去噪信号不仅有令人满意的去噪效果,并且能很好的保留固有的时频结构特征。另外,本文提出了一种新的诊断方法,叫频率概率时间序列(FPTS)谱分析法,并且展示了此方法在故障诊断中的有效性。本文提出的基于时频流形的机械故障诊断方法已经被用于处理一组轴承故障数据以及齿轮箱故障数据,结果证明在机械故障诊断中,提出的方法优于传统方法。
参考文献：
[1]. 希尔伯特—黄变换方法的仿真研究[D]. 高云超. 哈尔滨工程大学. 2005
[2]. 希尔伯特—黄变换局瞬信号分析理论的研究[D]. 钟佑明. 重庆大学. 2002
[3]. 基于希尔伯特—黄变换的输电线路故障行波定位与保护方法[D]. 张小丽. 长沙理工大学. 2008
[4]. 基于希尔伯特—黄变换的语音识别特征提取方法研究[D]. 王宏宇. 华南理工大学. 2012
[5]. 希尔伯特黄变换在瞬态信号处理中的应用[D]. 李关防. 哈尔滨工程大学. 2008
[6]. 高速车辆—轨道耦合系统动力响应的局瞬谱研究[D]. 陈双喜. 西南交通大学. 2014
[7]. 基于希尔伯特—黄瞬时测频的DSP软件设计[D]. 王春旭. 西安电子科技大学. 2009
[8]. 希尔伯特黄变换在水声通信中的应用[D]. 李丹. 哈尔滨工程大学. 2011
[9]. 希尔伯特—黄变换在光纤EFPI光谱检测中的应用研究[D]. 姚志超. 大连理工大学. 2013
[10]. 基于时频流形分析的设备故障诊断方法研究[D]. 汪湘湘. 中国科学技术大学. 2014
标签：电信技术论文; 希尔伯特论文; 希尔伯特黄变换论文; 时频分析论文; 仿真软件论文; 信号频率论文; 流形学习论文; 瞬时速度论文; 非线性论文; emd论文;