模糊奇异性信号的检测机理

工程实际中一般很难有理想的奇异性信号,它们的奇异性往往表现得很模糊。该文从理论上分析了这种模糊奇异性信号的小波检测机理,证明了小波对模糊奇异性信号的检测相当于用一个新小波对理想奇异性信号进行检测,给出了新小波的生成定义与实例、理想奇异性信号的模糊化模拟与检测实例,也给出了一个工程实际模糊奇异性信号的奇异性检测过程,这些实例结果证明了理论分析的正确性。     

HHT和CWT用于光纤振动信号分析的对比研究

为了提高光纤安防系统的准确预警能力,采用希尔伯特-黄变换法对光纤振动传感器信号产生原理和典型的光纤振动信号进行了分析,获得了传感器不同状态下信号的时频谱,并与通过连续小波变换得到的时频谱进行了对比分析。结果表明,希尔伯特-黄变换在光纤安防系统的时频分析中具有重要价值。     

基于HHT的声频传感器车辆分类识别

针对传统语音信号识别过程中出现的识别率较低或者是计算时间复杂度高的问题,提出了基于希尔伯特黄变换(HHT)的快速声频传感器车辆识别方法.该方法将HHT算法和语音信号特征提取中常用的梅尔倒谱系数(MFCC)相结合,形成一种新的特征提取方法.实验中,将这种方法分别与K-近邻算法(K-NN)、支持向量机算法(SVM)和稀疏表示分类算法(SRC)配合进行语音信号识别,结果表明,该特征提取方法与K-NN分类算法配合,在识别率和算法运行效率方面具有明显的优势.     

信号奇异性分析

信号的奇异性往往携带了信号最重要的信息,因此,对奇异性的研究是一项很有价值的工作。由于传统的信息处理工具(如傅氏变换)在奇异性处理方面的局限性,该文利用多重分形理论来对信号的奇异性进行分析,并给出计算算法和一些初步的结果,同时结果分析也表明了多重分形理论是分析信号奇异性的有效方法.     

HHT的改进及其在时频信号分析中的应用研究

在希尔伯特--黄变换的筛选过程中,用三次样条插值法求取极值包络通常会出现"过冲"问题.根据本征模态分解原理,提出了极值序列加密方法,并通过与极值延拓法结合,得到改进的HHT,该算法可以较好的改善"过冲"问题,得到更为准确的信号特征.应用改进的HHT方法分析了线性调频连续波(FMCW)信号,仿真结果表明了改进方法对于低信噪比条件下线性调频信号的提取更彻底,参数估计更准确.     

基于HHT技术的二维结构损伤定位研究

希尔伯特-黄变换(HHT)是具有适应性的局部化时频分析方法,适用于非线性、非平稳的信号分析。该文基于主动监测技术,将结构健康和损伤状态下的响应信号进行对比,二者的差信号实际上是激励信号通过损伤折射后被接收到的一种信号。利用HHT对差信号和激励信号等进行分析,提取信号群速度的到达时刻,从而得到差信号的传播时间。根据差信号传播路径的分析,并结合四点圆弧定位方法,实现二维结构的损伤定位,实验验证利用HHT信号处理技术能够有效准确的进行复合材料结构的二维损伤定位。     

基于HHT的II/III类GBAS基准站故障检测

完好性信息的实时检测对于保证陆基增强系统（GBAS）基准站无故障运行至关重要,其中多基准接收机一致性检测（MRCC）的B值是GBAS地面完好性检测的重要参数之一。但传统的MRCC只能检测出故障基准站进而排除其所播发的改正信息,无法分析出基站信号的异常类型和程度。本文讨论了GBAS系统的故障模型,提出了一种基于希尔伯特—黄变换（HHT）的完好性信息异常检测方法。利用经验模态分解（EMD）故障信号,通过对分解后信号分量的分析实现地面基准站故障情况的检测,该方法的斜率检测误差范围在10%以内,为GBAS地面基准站在完好性检测方面提供更加及时、准确的数据支持。      

基于HHT的UWB信号抗窄带干扰的研究

研究了希尔伯特黄变换的信号抗窄带干扰法．并用仿真实验证明该方法能够有效地从单音干扰、线性调频干扰和高斯白噪声中恢复出超宽带信号。     

基于马尔科夫和HHT的图像拼接盲检测

基于对图像拼接技术的分析,提出了一种基于马尔科夫模型与Hilbert-Huang变换（HHT）的图像拼接盲检测算法。该算法计算图像DCT域上的马尔科夫转移概率矩阵,同时对图像进行Hilbert-Huang分析,得到两类特征值集,并通过计算相关系数矩阵分析了两者之间的相关性,最后使用支持向量机进行训练与分类。实验结果表明,相对于已有文献,该算法具有较高的检测准确率。     

UWB信号抗窄带干扰一种新方法的研究

超宽带通信以低占空比的超短冲激脉冲作为载体,无需载波调制,采用伪随机直扩或跳时技术实现信息传输。然而,超宽带信号常常被隐蔽在环境噪声和其他干扰中,难以检测。因此,研究超宽带无线电信号抗窄带干扰技术,具有重要的意义。本文概述了超宽带无线通信,分析了超宽带的信号特点,介绍了传统的窄带干扰抑制方法,研究了一种新的基于局域波分析方法一一希尔伯特黄变换的信号抗窄带干扰法.仿真结果表明该方法能够有效地从单音干扰和线性调频干扰中恢复出超宽带信号。     

几种信号分析方法对非线性、非平稳信号分析效果的比较

本文通过对傅立叶变换 ,短时傅立叶变换 ,小波分析 ,经验模式分解几种信号分析方法在信号分析中的效果相比较 ,肯定了经验模式分解在分析非线性、非平稳信号中的作用 ,同时也指出了经验模式分解还存在的问题。     

基于HHT时频图的时延估计方法

时延估计方法主要有广义相关法、相位数据法以及自适应时延估计法等。对于水中爆炸冲击波这种瞬态、非平稳信号的时延估计,常用的时延估计方法存在一定的误差。针对爆炸冲击信号的特征,利用HHT变换在处理非平稳信号的优势,提出了一种基于希尔伯特黄时频图的时延估计方法。该方法首先将信号进行EMD分解,然后得出爆炸信号的时频图,最后根据时频图中能量最大的频率所对应的时间得出时延估计。仿真实验表明,该方法能够有效、精确地对爆炸冲击信号进行时延估计。     

强背景噪声下基于HHT端点检测方法

端点检测是语音识别系统中十分关键的一个步骤,它对整个语音系统识别的准确性有着至关重要的作用。针对目前端点检测算法在强背景噪声下存在的不足,通过引入HHT,提出了一种基于希尔伯特-黄变换的端点检测方法。该方法首先采用EMD分解出有限个IMF,然后对IMF进行Hilbert变换,将得到的IMF能量谱作为特征参数来进行语音信号的端点检测,仿真实验证明了该算法在强背景噪声下的有效性与稳健性。     

一种改进的经验模型分解方法

在对复杂信号进行分析中,常把它展开成一系列基本信号,然后,通过研究每个基本成分或者相应系数的特点来分析复杂信号。Huang等人提出经验模型分解方法(Empirical Mode Decomposition,EMD),通过筛选,将复杂信号中分解成一系列内在模型函数(Intrinsic Mode Function,IMF)。在本论文中,作者对经验模型分解中的一个重要的筛选过程作了部分改进,提出了一种改进检验模型分解法(Modified EMD,MEMD)。利用改进检验模型分解法,能够既快又准确地获得内在模型函数,而且,得到的内在模型函数能保留原信号中各成分的瞬时频率的规律。     

基于B-样条小波的信号奇异性检测算法

介绍了小波变换的快速算法——Mallat算法和三次B-样条小波滤波器组系数,详细讨论了信号奇异性、小波函数奇偶性与模极大值的关系,最后给出了一个利用小波系数模极大值定位信号奇异点的实例。     

采用EMD方法消除瞬态散射回波中的高斯白噪声干扰

本文分析了用经验模态分解(Empirical Mode Decomposition,EMD)方法处理非平稳噪声信号的基本原理,并利用EMD方法有效地消除了高斯白噪声对瞬态散射回波的干扰.文中以一人工合成瞬态回波为例,对本方法的有效性作了检验.     

基于小波变换的信号降噪和奇异性检测

本文对基于小波阈值的信号降噪进行研究,重点讨论了阈值函数设计。传统的硬阈值函数法处理信号时,降噪后的结果有较大方差,软阈值函数法降噪后的结果相对平滑,但软阈值函数法降噪的同时削弱了小波系数的幅度,降噪结果会出现较大的偏差。基于此,本文提出了两种改进的阈值函数,用该两种函数对小波系数进行处理,降噪效果较为明显,信噪比得到较大的提高。     

HHT方法在探地雷达回波信号特征提取上的应用

探地雷达回波信号是一种非平稳非线性信号,其中不仅包含地下埋藏物的目标信号,还包含有可能掩藏目标信号的直达波信号,给目标的识别带来困难。文中采用HHT方法对探地雷达回波信号进行特征分析,提取回波信号的IMF分量的瞬时频率作为特征向量。实验结果表明,用HHT方法提取特征可较好的避免直达波影响,该方法是可行而有效的,为进一步鉴别地下埋藏物提供了新的思想和方法。     

小波分析在信号奇异性检测中的应用

研究了信号的奇异性检测问题。给出小波变换和信号奇异性的关系,实现小波分析对信号各类奇异间断点的有效检测,利用小波分析构造故障诊断所需的特征因子（或直接提取对诊断有用的信息）,从而将该方法推广到各类冲击响应信号的奇异性检测中。最后给出一个实例进行验证。     

基于二分递推SVD的信号奇异性位置精确检测

 提出利用信号构造行数为2的矩阵,在奇异值分解后保留小奇异值对应的分量,并取大奇异值所对应的分量信号重复构造相同矩阵进行奇异值分解,从而将原始信号分解为一组分量信号.这种分量信号具有二阶消失矩,可实现对原始信号中Lipschitz指数为0和1的奇异性的位置精确检测,其检测脉宽小,且在同一层分量中指示奇异点位置的模极大值和奇异点处的突变量、转折斜率具有正比线性关系.此法克服了小波变换检测结果的位置偏移和脉冲宽大的缺陷,在对铣削力信号的处理中,准确地检测出了其中的微弱冲击.