信号处理之HHT剖析.pptx

信号处理与数据分析;内容概要;一、概述; 各类信号处理方法的特点 傅里叶变换：整体变换，不能表示随时间变化的频率，只适应于分析线性平稳信号； STFT：可分析非平稳信号，但时-频窗是固定的，只可分析缓变信号； 小波分析：具有多分辨率性，但没有局部自适应性； 希尔伯特-黄变换（HHT）：针对非平稳信号提出的。; 希尔伯特-黄变换的概念 希尔伯特—黄变换（HHT）是20世纪末由N. E. Huang等人首次提出的一种新的信号分析理论方法。 其主要创新：固有模态函数（Intrinsic Mode Function, IMF）和经验模态分解（Expierical Mode Decomposition, EMD）. 通过EMD，将信号分解成IMF之和，对每个IMF做Hilbert变换，可以得到有意义的瞬时频率，从而给出频率随时间变化的精确表达。 HHT是一种新的自适应时频分析方法，消除人为因素。分辨率高，时频聚集性好，适合非平稳非线性分析。 ;二、固有模态函数（IMF）的概念 ; ; IMF举例 ; ; ;三、经验模式分解（EMD）; 经验模式分解（EMD） – 是Huang等人引入的一个对信号进行分解，以获得IMF的方法，又称为筛法； – 三个假设： ? 信号至少有一个极大值点和一个极小值点； ? 特征时间尺度有极值点间的时间推移定义； ? 如果整个信号只包含曲折点而不包含极值点，可以先微分 一次或多次找到极值点，然后再所得到的分量进行积分以得到最后结果。 ;?; EMD分解原理图 ;?; EMD分解举例 ?【例】复合信号的分解 – 设信号由3各信号复合而成：（1）频率为5Hz、幅度为0.5的三角波； （2）频率为2Hz、幅度为0.5的正弦波；（3）频率为0.5Hz、幅度为1的正弦波。采样频率为100Hz，共1000个样本点，进行信号分解。 ; EMD分解 ; 进一步说明 – EMD分解得到的第1个分量IMF1包含了原信号中5Hz的三角波，然后依次提取出2Hz的正弦波和0.5Hz的正弦波。表示信号的中心趋势，可以看出其幅度几乎为零。3个IMF分量与原信号的相关系数都接近1。因此，EMD分解结果准确地反映了信号的自身的特点。 ;四、希尔伯特—黄变换 ; 希尔伯特—黄变换（HHT）的概念 – 希尔伯特-黄变换是Huang等人在1998年提出经验模式分解方???后，并引入了Hilbert谱的概念和Hilbert谱分析方法。 – 美国国家航空和宇航局（NASA）将这一方法命名为Hilbert-Huang Transform，简称HHT，即希尔伯特-黄变换。 – 其主要内容包括：EMD分解和希尔伯特谱。 ; HHT的主要内容 – 通过EMD分解，将信号分解成各IMF（一般为有限数目）之和。 – 对每个IMF进行Hilbert变换，可以获得有意义的瞬时频率，从而给出频率随时间变化的精确表达。 – 信号最终被表示为时频平面上的能量分布，称为Hilbert谱。 – 进而还可以得到边际谱。 ; HHT的用途 – HHT是一种新的具有自适应的时频分析方法； – 它可根据信号的局部时变特征进行自适应的时频分解，消除了人为因素； – 克服了传统方法中用无意义的谐波分量来表示非平稳、非线性信号的缺陷； – 可得到很高的时频分辨率，具有良好的时频聚集性； – 非常适合对非平稳信号和非线性信号进行分析。 ;?;?;?; HHT的关键技术问题 – 曲线拟合问题：直接影响EMD分解的结果，从而影响HHT的完善与应用。目前采用的方法： ?三次样条插值法； ?分段幂函数法； ?改进的三次样条插值法。 – 端点处理问题：有限长数据端点处理，采用的方法： ?特征波法； ?镜像延拓法； ?边界全波法； ?波形匹配预测法 ;五、EMD和HHT的应用 ; EMD和HHT的应用 地球物理 生物医药 结构分析 设备诊断 ;谢谢！