Hilbert-Huang变换改进算法实现与的分析.pdfVIP

Hilbert-Huang 变换改进算法的实现与分析1 胡柏炅，李明 华东师范大学信息科技学院，上海（200241 ） E-mail ：hubjune@，ming_lihk@ 摘 要：Hilbert-Huang 变换能自适应地将复杂的多分量信号分解成有限数量的一系列具有 物理意义的单分量信号，从而得到有意义的瞬时频率及 Hilbert 谱，有较高的时频分辨率， 特别适合非线性非平稳信号的时频分析。本文介绍了 Hilbert-Huang 变换的原理以及针对它 会产生虚假分量及模态混叠的问题而引入的一种改进算法，并将其在 Matlab 的平台上进行 了实现，取得了理想的实验结果。通过对改进 Hilbert-Huang 变换的实验分析，文章同时讨 论了算法在不同情况下的适用性与局限性。 关键词：Hilbert-Huang 变换，时频分析，Matlab 1．引言 信号的时间描述是主要的信号分析手段，然而，为了更深入地理解信号，就需要研究信 号的不同表示，除了时间以外，最重要的表示是频率。Fourier 提供了一种信号的频谱分析 方法，它在平稳信号处理中几乎处于不可替代的地位。但是，由于 Fourier 频谱分析存在严 格的限制条件：系统必须线性，被分析信号必须是严格周期或者平稳的。而信号处理中遇到 的实际数据常常是有限长非线性或非平稳的，因此，Fourier 频谱分析在实际应用中受到了 很大的限制。此外，Fourier 频谱分析虽然能够从时间和频率两方面观察信号，却无法同时 保留时间和频率的信息，根据频谱，我们可以知道哪些频率在信号中出现，但是不知道这些 频率何时出现，对于非线性非平稳信号的分析，常需要了解某一频率成分的时间分布情况， 于是需要一种分布，能够同时在时间和频率上表示信号的密度和强度，这就是时频分布，其 分析方法被称为时频分析[1]。 在时频分析领域，人们取得了许多成果，提出了短时 Fourier 变换、Winger-Ville 分布、 Choi-Williams 分布和小波变换等有效的信号分析方法。但由于这些传统的时频变换都采用 积分的分析手段，以至其基函数是固定的，缺乏自适应性，在表示信号时都容易出现多余信 号，而且受海森堡不确定原理的限制，这些时频分析方法不能精确描述频率随时间的变化。 1998 年，N.E.Huang 等人提出了基于瞬时频率的信号处理方法—— 经验模态分解方法 （EMD ），并在此基础上发明了Hilbert-Huang 变换（HHT ）[2]。由于预定义的基函数无法 满足所有信号的物理特性，能通过信号本身产生自适应基函数的处理方法将显出其优势，而 HHT 是根据数据的特征时间尺度进行分解并由此得到各种固有振荡模式，因此EMD 分解的 “基”是自适应的，这使它不仅有很高的分解效率，同时也具有良好的时频局部性。 针对 HHT 会产生虚假分量和模态混叠的问题，文献[3][4]提出了相应的改进算法，引入 了小波包分解对信号进行预处理，使其在进行EMD 分解之前便以一系列窄带信号的组合出 现；还提出了归一化相关性甄别方法对虚假分量进行识别筛选，使得 HHT 的性能有了进一 步提升。本研究在 Matlab 平台上实现了改进的 HHT 算法。同时，通过对改进 Hilbert-Huang 变换的实验分析，文章讨论了算法在不同情况下的适用性与局限性，既为相关领域的研究者 提供了信号分析和测试的实用工具，也给出了使用 HHT 改进算法的一些参考。 文章将在前两个部分介绍 HHT 的原理及其改进算法，在第四部分详述改进算法在 1本课题得到国家自然科学基金（项目编号）的资助。 - 1 - Matlab 平台上的软件实现，相关实验结果与分析将在五、六两个部分给出。 2.Hilbert-Huang 变换原理 2.1 瞬时频率 时频分析主要关心信号的频谱随时间变化的情况，此时需要引入瞬时频率的概念。伽波 尔建立的“解析信号方法”提供了构建复信号的方法，从而可以确定相位并由