尔伯特黄变换.pptVIP

刘雪勇 2012.12.16 提要 时变信号处理的发展及研究现状 新的时变信号处理方法—HHT信号分析方法 一、时变信号处理的发展过程及现状 传统的信号分析与处理都是建立在傅立叶分析的基础上的，它有三个基本的假设：线性、高斯性和平稳性，建立的是一种理想的模型。傅立叶分析在科学与技术的所有领域中发挥着十分重要的作用，但是它使用的是一种全局的变换，因此无法表述信号的时频局部性能，而这种性质恰恰是非平稳(时变)信号最根本和最关键的性质，因此就不适合用于分析非平稳信号。现实生活中存在的自然或是人工的信号大多是非平稳信号，如语音信号、机械振动信号、心电信号、雷达信号及地震信号等。因此为了分析和处理非平稳(时变)信号，人们对傅立叶分析进行了推广乃至根本性的革命，提出并发展了一系列新的信号分析与处理理论，即非平稳(时变)信号分析与处理。 二、HHT信号分析方法 简介： Huang于1998年提出了一种新的信号分析方法希尔伯特—黄变换(Hilbert．Huang Transform，简称为HHT)。应用这个方法时需执行两个基本步骤：首先，用EMD方法(The empirical mode decomposition method )把信号分解成一些本征模态函数(intrinsic Mode Function，简称为IMF)。接着，对分解得到的IMF分量进行Hibert变换，从而得出时频平面上的能量分布谱图(Hilbert谱)。 下面对这个方法中所涉及到的一些概念进行简要说明 Hilbert变换 IMF（本征模态函数） EMD分解方法（经验模态分解） Hilbert 的概念 对任意的时间序列X(t)，Hilbert变换Y(t)定义为：  （1）  这里P表示柯西主值。根据这一定义，当X(t)与Y(t)形成一个复共轭时，就可得到一个解析信号Z(t)： (2) (3) 这样，Hilben变换提供了一个独特的定义幅度与相位的函数。式(1)定义Hilbert变换为X(t)与1/t的卷积；因此它强调了X(t)的局部特性：它是一个幅度与相位变化的三角函数X(t)的最好局部近似。在Hilbert变换中，用下式定义瞬时频率： (4) 本征模态函数(IMF)的概念 　在物理上，如果瞬时频率有意义，那么函数必须是对称的，局部均值为零，并且具有相同的过零点和极值点数目。在此基础上，NordneE.Huang等人提出了本征模函数(Intrinsic Mode Function，简称IMF)的概念。本征模函数任意一点的瞬时频率都是有意义的。Hunag等人认为任何信号都是由若干本征模函数组成，任何时候，一个信号都可以包含若干个本征模函数，如果本征模函数之间相互重叠，便形成复合信号。 一个本征模态函数是满足如下两个条件的函数： (1)在整个数据序列中，极值点的数量与过零点的数量必须相等，或最多相差不能多于一个。 (2)在任一时间点上，信号的局部极大值和局部极小值定义的包络平均值为零。 EMD分解方法 EMD是Empirical Mode Decomposition的简写，通常被称为经验模态分解法，是Huang在1996年提出的信号分解算法，这主要是从复杂信号里分离出IMF的过程，也称为筛选过程 Sifting Process)。在此基础上，1998年Huang及其同事提出了较为完整的Hilbert Huang变换法。EMD是HHT方法中至关重要的一部分。 EMD分解的目的就是为了获取本征模态函数 。EMD方法假设任何信号都由不同的本征模态函数(IMF)组成，每个IMF可以是线性的，也可以是非线性的，IMF分量必须满足下面两个条件：一是其极值点个数和过零点数相同或最多相差一个，二是其上下包络关于时间轴局部对称。这样任何一个信号就可以分解为有限个IMF之和。具体方法是由一个“筛选”过程完成的： (1)首先找出 s(t)所有的极大值点并将其用三次样条函数拟合成原数据序列的上包络线：以及所有的极小值点并将其用三次样条函数拟合成原数据序列的下包络