中科院课件--《现代信号处理的理论和方法》.pptVIP

经验模式分解 3、希尔伯特谱分析 将非平稳信号x(t)分解为n个IMF分量和残余函数之和后，对每个IMF分量进行Hilbert变换可以得到各自的瞬时频率。每个IMF分别做Hilbert变换并叠加后： 其中， 和 分别为第k个IMF分量的时变幅度和相位， 为其对应的瞬时频率。 Hilbert谱可以表示为： 为了得到全局信息，可以定义Hilbert边际谱为： Hilbert谱图给出了时间、频率、能量的局部信息。 Hilbert边际谱提供了每个频率分量在全局上的幅度（或能量）贡献 。 应用 Hilbert边际谱 经验模式分解结果 WVD中的交叉项 WVD服从二次叠加原理。 二者具有相同的频率中心 注：见胡广书《现代信号处理教程》图3.5.1 二者具有相同的时间中心 注：见胡广书《现代信号处理教程》图3.5.1 干扰项的消除：解析信号没有负频率分量，可以先将实信号转变成解析信号，再进行WVD分析，可消除这种频谱正负部分之间的交叉干扰项。 假设x(t)是实的连续时间信号，用z(t)表示对应的解析信号。 z(t)定义为 z(t)的傅里叶变换为 维格纳变换的特点： 因为信号的二次型是信号的能量表示，所以这种分布表示了信号的能量分布； WVD可理解为信号在 这一窗口内能量的测量，即； 两个信号和的WVD有交叉项存在，使得两个信号和的分布已不再是两个信号各自分布的和。 3.6 Cohen类时频分布 模糊函数 Cohen类时频分布 时频分布的性能评价与改进 1、 模糊函数 对瞬时相关函数kz(t,τ)=z(t+τ/2)z*(t-τ/2) 关于时间t作傅里叶反变换，则得到模糊函数的时域定义为 模糊函数在频率域的定义是 模糊函数性质: （1）时移性。令x(t)=y(t-t0), 则 (2) 频移性。令 , 则 (3) 滤波。令 则 (4) 调制。令z(t)=x(t)h(t), 则 模糊函数和WVD之间的关系： WVD与模糊函数的二维Fourier变换等价，只是相差一个常数因子。 不论x(t)是实信号还是复信号，其WVD始终是实信号，但其模糊函数一般为复函数。两个信号x(t)和y(t)的互WVD和互AF分别满足： WVD和AF分别处在不同的域。 时间变量t、时间延迟τ、 频率w、频偏v，共形成了四个域，即：  （1） 时频域(t,w)，对应Wz(t,w); （2） 瞬时相关域（t,τ），对应rz(t,τ); （3） 瞬时谱相关域（v,w），对应Rz(w,v); （4） 模糊函数域（τ,v）， 对应Az(τ,v)。 WVD是能量化的时频表示，存在时间边缘特性Pz(t)和频率边缘特性Pz(w)，公式重写如下: 信号的总能量为 模糊函数是相关化的时频表示，将模糊函数的定义重写如下: 频偏边缘特性 时延边缘特性 最大值始终在 平面的原点，且该最大值即是信号的能量， WVD满足时频移不变性质， 如果 , 则 而模糊函数满足相关化移不变性质, 用公式表示如下: 例1 考虑单个高斯信号 WVD是 模糊函数是 例2 一非平稳信号由两个高斯函数叠加而成： WVD中交叉项的抑制： 对信号求模糊函数，由于模糊函数的自项始终在 平面的原点处，而交叉项远离原点，故可以设计一个二维低通滤波器，来抑制模糊函数中的交叉项； 对滤波后的模糊函数作二维傅立叶变换，得到信号的维格纳变换，此时的WVD即是抑制了交叉项的新WVD。 2、 Cohen类时频分布 Cohen将时变的自相关函数定义为 当核函数φ(τ,v)=1 时， Cohen 类时频分布将转换成WVD。 由于Wigner分布的核函数是全通函数，它对AF的互项无抑制作用，因此，其WD也就存在着较大的交叉项。 消除干扰项的方法：应该选择 平面上的二维低通函数来作为核函数。 Choi-Williams分布 在Cohen类时频分布中，引入指数核函数为 在(t,τ)域的核函数为 时频分布CWDz(t,w)为 3.7 HHT变换技术 研究背景： 为了弥补傅立叶分析的不足，由黄锷等人提出了基于瞬时频率的信号处理方法－经验模式分解方法（EMD），并在此基础上提出了希尔伯特－黄变换。 该方法首先采用经验模式分解方法(EMD)把复杂数据自适应分解成有限个瞬时频率有意义的，幅度或频率受调制的高频和低频固有模式函数(IMF)； 随后使用Hilbert变换计算出瞬时频率和瞬时振幅，而瞬时振幅在频率