三维测量中一种新的自适应窗口傅里叶相位提取法

针对多尺度窗口傅里叶变换中,窗口尺寸的自适应选取及提取基频时的频谱混叠等问题,提出基于希尔伯特-黄变换(HHT)的自适应窗口傅里叶相位提取法。对变形条纹信号进行HHT后,通过谱分析,自适应确定能够准确描述条纹信号变化情况的瞬时频率及条纹图的背景分量。根据所得的瞬时频率,给出自适应定位条纹信号局部平稳区域的步骤,进而确定窗口尺寸。不需额外计算,可有效去除背景分量以减少基频提取过程中零频频谱的干扰。与现有的用最大脊法确定窗口尺寸的方法相比,本方法不受被测相位必须线性逼近且变化缓慢的前提约束。实验证明本方法有效、可行,且对测量携带陡峭边缘或面形复杂的物体也能进行较为精确有效的测量。     

基于图像二维小波多尺度分解傅里叶变换轮廓术

应用傅里叶变换轮廓术测量物体三维面形时,当被测物体形状复杂或是被噪声严重污染时,导致频谱分布展宽,发生频谱混叠现象,基频提取困难,无法准确恢复物体的三维面型.提出了基于小波分解的傅里叶变换轮廓术,采用小波变换的方法对变形条纹图进行二维多尺度分解,重构被测物的背景图像,滤出图像的零频成分,得到相对变形条纹.运用小波变换与傅里叶变换轮廓术相结合的方法,只需拍摄一幅变形条纹图,将被测物体与背景分离,不受背景成分的影响,且易于基频信息的提取,降低了对滤波器的要求.实验证明该方法较好地防止了频谱的混叠问题,提高了测量范围与解相精度.     

EEMD自适应去噪在拉曼光谱中的应用

二代小波是公认较好的降噪手段,但是降噪效果依赖于基函数、分解层数和阈值等参数设置。经验模态分解(empirical mode decomposition, EMD)无需参数设定,按照频率特性将信号分解成本征模函数(intrinsic mode function, IMF),对IMF滤波,实现了信号自适应去噪。拉曼光谱中信号和噪声交叠集中在极高频段,EMD产生模态混叠问题,影响去噪效果。应用总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)拉曼光谱克服了模态混叠,有效区分出高频信号和噪声,获得了与小波函数相似去噪效果。文中首先对一段非线性非平稳豆油脂拉曼光谱EMD分解,可见模态混叠,EEMD分解出清晰模态的特征分量。然后分别用快速傅里叶变换(fast Fourier transform,FFT)、小波变换(Wavelet)、EMD和EEMD处理含噪光谱,信噪比、均方根误差、相关系数三个方面指标表明FFT高频去噪效果最差,其次是EMD,恰当的Wavelet同EEMD效果相当,EEMD的优势是降噪过程的自适应。最后提出光谱时频分析方法和IMF噪声属性判别准则研究趋势。     

小波变换轮廓术的测量范围研究

利用小波“脊”处的小波系数来提取变形条纹中的相位信息可以在很大程度上抑制条纹图中有用的基频分量与零频和其它谐波频率分量的混叠,弥补了傅里叶变换轮廓术的不足。从离散信号频域分析角度,推导了变形条纹小波变换的频谱描述形式,讨论了其测量范围,包括结构条件和抽样条件。结果表明,只有在无周期内瞬时频谱混叠,即任意位置处物体瞬时高度变化满足h/xx=b<1/3条件时,和不存在抽样引起的周期间瞬时频谱混叠的抽样条件下(即一个周期内的抽样点数m≥4时),小波变换轮廓术才能正确恢复被测物体的三维面型。计算机模拟和实验验证了该结论。     

闪电回击场多尺度分析

利用聚合经验模式分解(EEMD)方法对闪电负地闪回击电场波形进行了分析并得到一系列具有物理意义的内禀模态函数 (IMF)。 结果表明,IMF1是高频噪声项,趋势项R主要是静电场作用的结果。 IMF2~IMF11表现出闪电通道的不同尺度放电特征。通过计算IMF分形维数,发现越高阶的IMF对应着越大的分形维数,表明越高阶的IMF对应着越曲折的闪电放电通道。相比于基于经验模式分解（EMD）的希尔伯特-黄变换（HHT）谱和小波谱,基于EEMD的HHT谱能改善模态混叠现象,EEMD更适合于观察像闪电这种非平稳非线性信号。     

单幅载频条纹图的相位恢复新算法

针对单幅载频变形条纹图的相位重构问题,提出了一种快速、高精度和免解包裹的相位恢复新算法。该算法利用两次希尔伯特(Hilbert)变换法从单幅条纹图中分离出正弦分量和余弦分量,然后由这两个分量计算出相位的斜率,对水平和垂直两个方向上的相位斜率进行积分,最后得到全场相位分布。计算机模拟和实验结果表明,该算法仅需一幅变形条纹图即可很好的恢复全场相位分布。与传统的傅里叶方法相比,该算法不需要解包裹处理,简化了计算量,避免了相位解包裹过程带来的误差,并且对阴影和相位不连续点不敏感。     

基于希尔伯特变换的干涉条纹相位解调新算法

提出了一种新的应用希尔伯特变换解调干涉条纹相位的算法,可以从单幅干涉条纹图中解调出全场相位分布.在实际应用中,常借助傅里叶变换实现希尔伯特变换算法,但是会忽略负频率成分,造成相位信息的丢失.对于相位分布非单调变化的干涉条纹,提出了一种判断函数,用来计算相位信息零频率点的分布.利用相位的零频率点分布构造了一个二元模板,使用该模板对本文提出的两次希尔伯特变换法产生的包裹相位图进行修正.对修正后的包裹相位图进行解包裹处理,可以得到连续的全场相位分布.对该方法用计算机模拟进行了验证.     

基于希尔伯特变换的干涉条纹相位解调新算法

提出了一种新的应用希尔伯特变换解调干涉条纹相位的算法,可以从单幅干涉条纹图中解调出全场相位分布.在实际应用中,常借助傅里叶变换实现希尔伯特变换算法,但是会忽略负频率成分,造成相位信息的丢失.对于相位分布非单调变化的干涉条纹,提出了一种判断函数,用来计算相位信息零频率点的分布.利用相位的零频率点分布构造了一个二元模板,使用该模板对本文提出的两次希尔伯特变换法产生的包裹相位图进行修正.对修正后的包裹相位图进行解包裹处理,可以得到连续的全场相位分布.对该方法用计算机模拟进行了验证.     

基于集合经验模态分解的拉曼光谱信号特征研究

拉曼光谱信号是一种基于分子振动的散射信号,拉曼光谱仪的激光源波长一般为纳米级,考虑到散射频移,拉曼光谱有效信息主要集中在较高频段。拉曼信号是典型的非平稳信号,并且由于拉曼散射比较弱,信号很容易被高频噪声和荧光背景干扰,想获取较为全面的拉曼信息,需要对信号进行处理,小波变换对拉曼信号的分析结果取决于小波基的选择,不同小波基处理结果有差异;经验模态分解(EMD)方法可以自适应的分析信号,不需要设置参数,但存在模态混叠的问题;集合平均经验模态分解(EEMD),有效的解决了EMD方法中存在的模态混叠问题,能更加清晰的将信号中的不同频率成分划分开来,因此更加适合频率成分丰富的拉曼信号的特征分析和处理。采集了市面上常见的大豆油、花生油、玉米油和葵花籽油样本,通过拉曼光谱仪获得了各自的拉曼光谱信号。使用集合经验模态分解对食用油拉曼光谱信号进行自适应分解和处理,一共获得了10阶固有模态函数(IMF),根据信号的能量分布以及幅值特性, IMF1和IMF2表征为信号中的噪声部分, IMF3-IMF7表征为拉曼特征信号部分,最后一阶IMF10表征为荧光背景成分, IMF8和IMF9为其他物理意义的频率成分。通过对有效信号段的特征增强并重构拉曼信号,使拉曼信号的信噪比获得了2～5倍的提升,其中,难以探测的酯键羰基伸缩振动位于1 745 cm~(-1)的谱峰得到了显著的增强。最后,将原始信号和经过特征增强的信号通过基于连续小波变换的惩罚最小二乘法进行了二次处理,并将获得的信号进行主成分分析后,可知:没有增强的不同类数据样本相互有重叠,不存在明显的类间距,很难完整的区分类型;基于特征增强的数据样本各自聚集,每种类型都可以相互鉴别,可为拉曼光谱信号处理提供一种新的途径。     

二维实小波变换在空间载频条纹相位分析中的应用

将二维实小波变换和希尔伯特变换相结合应用到空间载频条纹相位分析中。首先对载频条纹进行希尔伯特变换构造解析信号,然后对其解析信号进行二维实小波变换,提取小波脊处对应的小波变换系数的相位信息即可得到有效的物体高度调制信息。给出了详细的理论分析。计算机模拟和实验表明当条纹中相位存在突变和快变的区域时,采用二维实小波变换比一维实小波和复小波提取相位精度更高,即使在存在噪声污染的情况下也表现出良好的可靠性,体现出了二维实小波提取相位的优势。     

激光雷达信号的可变间隔阈值经验模式分解去噪法

针对采用经验模式分解直接阈值(EMD-DT)和经验模式分解间隔阈值(EMD-IT)在激光雷达回波信号的去噪应用中会产生的模态混叠现象,采用一种可变间隔阈值的经验模式分解(EMD-SIT)的去噪方法。首先,对信号进行经验模式分解。然后,采用过零率方法将分解出的含有噪声的固有模态函数分离。最后,应用过零点阈值,设立一个新的可变阈值,将EMD-IT和EMD-DT有效融合对信号进行去噪。通过与多种阈值的仿真对比以及激光雷达的回波信号去噪实验,结果表明该方法可以有效地去除噪声,抑制模态混叠,较EMD-IT和EMD-DT更具有优越性,因此有着很好的应用前景。     

Application of Hilbert–Huang transform to laser Doppler velocimeter

A new method based on Hilbert–Huang transform is proposed to analyze the laser Doppler signal with a large acceleration. The Doppler signal is decomposed into several Intrinsic Mode Functions (IMFs) via empirical mode decomposition (EMD). And the Hilbert transform is used to compute the instantaneous frequency. The vehicle velocity parameter is estimated by taking linear fitting on the instantaneous frequency of the relevant IMF. The simulation results show that the HHT-based method is quite useful for the LDV that offers velocity parameter to the vehicle self-contained navigation system when the vehicle moves at a large acceleration.     

混沌干扰中基于同步挤压小波变换的谐波信号提取方法

针对混沌干扰背景下多个谐波信号的提取问题, 提出了一种基于同步挤压小波变换(SST)的谐波信号抽取方法. 首先利用SST将混沌信号和谐波信号组成的混合信号分解为不同的内蕴模态类函数, 然后利用Hilbert变换对分离出的内蕴模态类函数进行频率识别, 从中分离出各谐波信号. 以Duffing混沌背景为例, 对混沌干扰下多谐波信号的提取进行了实验分析. 实验结果表明: 对于不同频率间隔的多个谐波分量, 本文方法的提取结果都具有较高的精度, 而且所提方法对高斯白噪声的干扰具有较好的鲁棒性, 综合提取效果优于经典的经验模态分解方法.     

HHT时频分析土壤光谱的重金属铜离子污染信息提取模型

土壤中不同浓度Cu2+含量映射到土壤光谱上的信息量十分微弱,并且这些高光谱数据中也存在着难以避免的噪声,因而本研究的关键是如何在土壤光谱复杂的噪声环境中提取微弱Cu2+信息。经验模态分解算法(EMD)能够有效去除高光谱数据中的噪声,且EMD是Hilbert变换对“非线性非稳定”信号时频分析的前提,当引入Huang变换后,可利用Hilbert-Huang变换(HHT)模型时频分析高光谱数据以实现降噪处理与信息提取。通过时频的HHT分析不同浓度Cu2+污染下的土壤光谱,完成从原始光谱经EMD分解出各本征模态函数(IMF)分量的包络线、调制信号和频谱等曲线中挖掘土壤光谱的Cu2+污染信息。研究结果表明,相同浓度Cu2+污染时的土壤光谱HHT时频分析结果相同,不同浓度时则不同,所以也可依据IMF分量反演土壤Cu2+含量。因此,高光谱数据的HHT时频分析能为土壤光谱的信息挖掘、光谱诊断和Cu2+含量反演等提供一种新的方法和思路。     

Harmonic signal extraction from noisy chaotic interference based on synchrosqueezed wavelet transform

For the harmonic signal extraction from chaotic interference, a harmonic signal extraction method is proposed based on synchrosqueezed wavelet transform(SWT). First, the mixed signal of chaotic signal, harmonic signal, and noise is decomposed into a series of intrinsic mode-type functions by synchrosqueezed wavelet transform(SWT) then the instantaneous frequency of intrinsic mode-type functions is analyzed by using of Hilbert transform, and the harmonic extraction is realized. In experiments of harmonic signal extraction, the Duffing and Lorenz chaotic signals are selected as interference signal, and the mixed signal of chaotic signal and harmonic signal is added by Gauss white noises of different intensities.The experimental results show that when the white noise intensity is in a certain range, the extracting harmonic signals measured by the proposed SWT method have higher precision, the harmonic signal extraction effect is obviously superior to the classical empirical mode decomposition method.     

Instantaneous frequency and wave mode identification in a magnetosheath using few spatial points

Observational data such as those obtained from the magnetosheath in the downstream of Earth＇s bow shock have waveforms that differ from those of sinusoidal signals. In practice, they are not even aggregates of sinusoidal signals. Therefore, the frequency decomposition for the data requires technique that will account for the time-varying features of the data that will lead to deduction of physical meaning of the observations. The combination of empirical mode decompo- sition （EMD） and Hilbert transform has been used for extracting the various contributing oscillatory modes （EMDs） and the instantaneous frequency determination （Hilbert transform） of every physically meaningful mode called intrinsic mode func- tion （IMF）. The resulting instantaneous frequencies are used to determine instantaneous wave vectors. The combination of the instantaneous frequencies and wave vectors is useful in the identification of wave modes based on the characteristics of the waves. The results show that EMD-Hilbert can be more reliable than simple Hilbert transform alone.     

噪声模态单元预判的经验模态分解脉冲星信号消噪

为了改善脉冲星辐射脉冲信号的消噪效果, 提出了一种基于噪声模态单元预判的经验模态分解(EMD) 消噪声方法. 该方法首先利用EMD将含噪辐射脉冲信号分解为一组内蕴模态函数(IMF), 根据IMF系数的统计特性采用局部均方误差准则进行噪声模态单元预判, 并将噪声模态单元置零; 然后对噪声模态单元预判处理后的IMF以模态单元为基本单位进行最优比例萎缩消噪, 从而达到抑制噪声、保留信号的目的. 实验结果表明: 与Sure Shrink小波阈值法、Bayes Shrink小波阈值法和EMD模态单元比例萎缩法相比, 基于噪声模态单元预判的EMD消噪方法可以更有效地去除脉冲辐射信号中的噪声, 同时更好地保留信号突变处的细节信息特征, 在信噪比、 均方误差、峰值相对误差、峰位误差和相位误差等方面都有一定程度的改善. 关键词： 脉冲星信号消噪 经验模态分解 噪声模态单元预判 局部均方误差     

Multivariate empirical mode decomposition approach for adaptive denoising of fringe patterns

An adaptive approach is presented for noise reduction of optical fringe patterns using multivariate empirical mode decomposition. Adjacent rows and columns of patterns are treated as multichannel signals and are decomposed into multiscale components. Fringe patterns are reconstructed with less noise by simply thresholding coefficients in different scales. The proposed approach can better concentrate local main components of fringe signals into single scale, compared with the conventional multiscale denoising method. A simulated pattern and an actual example are examined. Signal-to-noise ratio (SNR) of the simulated pattern is more than doubled.     

Background removal from polarized Raman spectra of tooth enamel using the wavelet transform

A wavelet transformation method is introduced to remove the large fluorescence background from polarized Raman spectra of stained tooth enamel. This method exploits the wavelet multiresolution decomposition where the experimental Raman spectrum is decomposed into signals with different frequency components, and where the lowest frequency background and highest frequency noise are removed. This method is optimized using a simulated collection of parallel‐polarized and cross‐polarized Raman spectra of the enamel and then applied to a set of experimental data. The results show that the wavelet transform technique can extract the pure spectra from background and noise, with the depolarization ratio used to discriminate between early dental caries and sound enamel preserved. Copyright © 2010 Crown in the right of Canada. Published by John Wiley & Sons, Ltd.