基于Hilbert-Huang变换基音周期检测算法

介绍了一种与传统算法相比有更好的自适应性和优越性的基音周期检测算法,Hilbert-Huang变换不需要对语音信号进行短时平稳假设,检测精度高,适应范围广,帧长大大增加;与小波变换相比,Hilbert-Huang变换依据信号本身的信息对信号进行分解,随信号本身变化而变化,表现了信号内含的真实物理信息,具有更好的自适应性和优越性。     

基于Hilbert-Huang变换的金融数据周期性分析及应用

提出了一种基于Hilbert-Huang变换（Hilbert-Huang Transform,HHT）的信号周期性分析方法,通过分析信号的非线性对主频分布的影响,找到了具有丰富高频含量的近似周期信号的主频与其周期性的近似对应关系。     

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变换在信号处理中的应用

在许多实际问题中,信号瞬时参数的提取有重要意义.数十年来,人们已提出多种计算方法,但这些方法均有一定局限性.文章利用一种改进的Hilbert变换——Hilbert-Huang变换进行信号瞬时参数的提取,结果表明:Hilbert-H uang变换是对非平稳时程进行数据分析的有效工具。     

Hilbert-Huang变换去除可控震源谐波畸变

可控震源地震勘探采集信号中常常带有谐波畸变,去掉高阶谐波而又保留有用信号对提高地震勘探分辨率具有重要意义。采用Hilbert-Huang方法去除可控震源采集信号谐波畸变。对可控震源信号进行经验模态分解(EMD)和Hilbert变换,得到Hilbert-Huang谱,在时频域识别并去除高阶谐波,再用Hilbert反变换得到去除高阶谐波后的本征模态函数(IMF),叠加后可得到不含高阶谐波的信号,而保留与信号发射频率一致的基波。去掉高阶谐波后再互相关,互相关中高阶谐波也相应去除,相关函数主瓣更突出,旁瓣减少,提高了计算延时和计算波速的准确性。     

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.     

基于小波及Hilbert-Huang变换提取壁湍流相干结构

为了研究壁湍流中的相干结构,在直流抽吸式低（变）湍流度风洞的实验段中,应用恒温热线风速仪IFA-300精确测量平板湍流边界层不同法向位置的流向速度信号.分析壁湍流脉动速度的概率密度分布,并与高斯分布比较,验证了壁湍流中相干结构引起的猝发现象的统计规律.提出了一种利用小波变换和Hilbert-Huang（HHT）变换相结合来提取相干结构的方法.对壁湍流脉动速度进行HHT变换,通过变换后各模态的能量分析,分离出主要含能模态对应的相干结构.利用小波重构法继续提取未分离的小尺度相干结构.对剩余湍流信号进行概率统计,并比较提取的全部相干结构与原始湍流信号的波形和HHT边际谱,验证了湍流信号既包含非随机的相干结构信号也包含随机的非相干信号.     

Hilbert-Huang变换及其滤波特性研究

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,经验模态分解和瞬时频率的求解.这种方法的核心部分是经验模态分解,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本征模态函数,对这些本征模态函数作Hilbert变换即可得到每一个本征模态函数的瞬时频率.经验模态分解方法是一个以信号极值特征尺度为度量的时空滤波过程,它充分保留了信号的局部特征,在信号的滤波和去噪中具有较大的优势.本文讨论了Hilbert-Huang变换时空滤波的实现过程,仿真验证了该方法的优越性.     

基于Hilbert-Huang变换的室内地磁信号处理分析

提出一种利用Hilbert-Huang变换(HHT)处理分析室内地磁信号的方法。介绍HHT原理与方法,设计出一种室内地磁信号采集平台,对实际测量的室内地磁信号进行经验模态分解(EMD),并对分解后的固有模态函数(IMF)进行频谱和时频剖析,最后将经过HHT处理的原始信号进行重组。结果表明,HHT能用于描述复杂的室内地磁信号的非线性时变特征,为室内地磁信号的处理分析提供一种可行的方法。     

基于Hilbert-Huang变换方法的结构损伤诊断

在Hilbert—Huang变换理论和Hilbert阻尼谱的基础上，通过对深圳罗湖商务大厦模型振动台试验数据的处理分析，探讨Hilbert-Huang变换方法在结构损伤诊断中的应用．结果表明，Hilbert—Huang变换方法能够准确地确定模型结构在各级烈度地震后自振频率的变化，Hilbert阻尼谱能够定性地显示阻尼损失系数在地震加速度作用时间内的变化，而且阻尼损失系数对结构的破坏更加敏感，随着结构裂缝的出现与复合，Hilbert阻尼谱出现突变。     

希尔伯特-黄变换谱及其在地震信号分析中的应用

介绍了希尔伯特-黄变换(HHT)这一非线性、非平稳信号处理方法,并利用HHT处理了地震工程中常用的ElCentro地震波,得到了该信号的Hilbert谱、边际谱和能量谱,提取了该信号的主要动力特性,并与该信号的Fourier分析结果进行了对比,显示出HHT这一方法的优越性.     

基于FT和HHT的语音能量轮郭特征提取

使用FT和HHT分别对男女语音的能量轮廓特征进行提取,并通过聚类性能分析判别两种方法提取的语音能量轮郭特征的有效性.Matlab仿真结果表明,不管是男生分类、女生分类还是男女分类,用HHT提取的语音特征的聚类效果都比FT的效果好,能较好体现不同语音信号的个性信息,有助于提高识别率.     

HH变换在地震动信号分析中的应用

通过对仿真信号和实际地震动信号的分析,指出HH变换(Hilbert-huang transform)中产生的虚假IMF(intrinsic mode function)主要是由于EMD(empirical mode decomposition)没能将信号中频率相近的分量分解开而产生的.这种虚假的IMF在对地震动信号进行分解时很难将其排除,并且不能正确给出地震动的能量在频率上的分布.此外,Hilbert变换对某种信号会给出错误的瞬时频率.因此将HH变换应用于地震动信号分析时,将Hilbert变换同小波变换联合应用以得到较好的分析结果.     

基于影像及小波变换的桥梁损伤识别

桥梁损伤定位和定量分析是桥梁健康监测的难点,为提高桥梁结构损伤位置识别的精度及准确性,利用位移模态对结构局部损伤的敏感特性,提出基于影像和小波变换的桥梁损伤识别新方法,通过工业相机获取悬臂梁振动形态,利用模版匹配方法提取结构动态位移响应及模态参数,对位移模态进行小波变换,建立小波系数平方差的损伤指标识别结构损伤位置。通过室内悬臂竖梁振动实验,对全域测点的振动衰减信号快速傅里叶变换成功获取了结构的模态振型,与数值模拟结果比较表明试验获得一阶固有频率最大误差为2.202%,二阶固有频率最大误差为3.182%,表明所提方法用于结构位移测量的可行性以及测量精度的可靠性;在此基础上利用小波系数平方差的明显突峰特性可准确识别结构单损伤、多损伤的存在,并能准确定位损伤位置。研究表明,所提方法可以准确识别不同位置、不同程度的单损伤和多损伤,具有远距离、非接触、高精度、高效快捷、可多点监测提升振型空间分辨率等优点,为桥梁结构全域损伤识别提供了一种新方法。     

Prediction of protein subcellular localization based on Hilbert-Huang transform

Using Hilbert-Huang transform, subcellular localization for prokaryotic and eukaryotic proteins was predicted and tested with Reinhart and Hubbard’s dataset. The prediction accuracy of prokaryotic and eukaryotic protein sequences concentrated in the dataset all reached 100% by self-consistency, 91.8% for the former and 88% for the latter by the five fold cross-validation test. A significant improvement in prediction quality by incorporating the spectrum parameters with the conventional amino acid composition was observed. One of the crucial merits of this approach is that many existing tools in mathematics and engineering can be easily applied in the predicting process. It is anticipated that digital signal processing may serve as a useful vehicle for many other protein science areas.     

基于DFT频域校正的介质损耗角测量算法

离散傅里叶变换(discrete Fourier transform,DFT)求解容型设备介质损耗角存在较大误差,对引起误差原因的频谱泄漏进行了详细分析和阐述,指出电网频率波动是造成测量介质损耗角不准确的主要因素,其带来的非整周期采样造成信号能量发散,各频率处信号能量相关性不为0.通过加余弦窗函数平滑信号陡度,对DFT相位频谱校正给出了2种不同的方法:加窗插值算法和离散频谱相位差校正法,并通过校正频率偏移量,在频谱峰值最大值处获得信号相位.通过Matlab仿真分析表明,2种算法实现方便,精度高,具有一定的实用性.     

基于能量准则的SDOF阻尼减震结构最大地震位移

粘滞阻尼耗能能减小结构地震反应。根据振动等能量准则 ,由地震动力能量方程推导了单自由度 (SDOF)弹性体系的地震最大位移反应与阻尼比的关系。与地震动力时程数值分析方法计算得到的结果对比表明 :该文理论结果较好地反映了 SDOF结构的最大地震位移反应。在地震动特征周期处产生类共振时阻尼减震效果更为显著。利用振动等能量准则方法可较为简便地确定阻尼减震结构体系的最大位移反应和进行减震设计。     

基于希尔伯特-黄变换的小鼠脑电信号相关性分析

研究了小鼠脑电信号的分离问题。由于小鼠脑电信号是由多种不同波段的信号混迭而成的,且不同波段的信号是非平稳、能量差距很大的随机信号,因此对这些脑电信号的分离非常困难。先使用主成分分析(PCA)方法将信号的主要成分提取出来,然后再使用独立成分分析(ICA)在频域上对脑电信号进行分离。接着对分离的脑电信号δ波进行希尔伯特-黄变换。利用希尔伯特谱得到信号的瞬时频率信息,发现δ波的瞬时频率在某些时刻相对于其他时刻非常大。将这些瞬时频率出现异常的时刻,与呼吸信号的波峰出现的时刻进行相关性分析,得出呼吸信号与脑电信号中的δ波显著相关。