简介:对于研究非平稳信号而言,传统的傅里叶变换已不能满足需求。非平稳信号分析方法已成为信号分析领域中的一个热点问题。以模拟地震波传播过程中遇到反射界面反射实验中得到的非平稳信号为研究对象,采用HHT方法对信号进行分析。对信号进行经验模式分解(EMD)和希尔伯特变换(HT)两个步骤。根据EMD分解得到的IMF分量具有从高到低不同频率和不等带宽的特点,对信号进行重构,提高信噪比,大大提高实验中测量P波速度的精度。对信号进行三瞬参数分析,揭示了实际应用中三瞬参数对地质构造识别的优势。HHT方法适用于分析生活中普遍存在的大量非平稳信号,可将复杂的信号直接分离成从高频到低频的若干阶固有模态函数。这一方法体系从根本上摆脱了傅里叶变换理论的束缚,在实际应用中也表现出了一些独特的优势。
简介:经验模态分解(empiricalmodedecomposition,EMD)存在端点飞翼的固有问题,使信号两端出现扭曲失真。为抑制EMD端点效应,文章提出双重对称延拓法,以端部数据对称延拓作为首次延拓,以极值点对称延拓作为二次延拓,该方法可同时实现EMD分解和Hilbert变换两阶段端点效应的抑制。仿真信号和地震响应的工程算例通过IMF分量对比、瞬时频率对比,以及整体正交性、相关系数等指标的对比,验证了该方法具有良好的端点效应抑制效果,同时还能改善IMF分量之间的正交性,并节约计算时间。
简介:摘要:鉴于经济学与统计学的研究意义, 在经济学科和统计学科的高频率金融时间序列的分析研究已成为目前研究的热点问题,,高频率金融时间序列的产生中经过计算和研究存在着需要研究的不确定因素,因此对其波动性的估计与分形特征问题的研究对当前股票市场的涨幅和一段时间内的发展的规律,具有非常重要的意义。即对金融资产的价格随时间的变化而变化的规律探索。针对此问题高频数据波动率的估计变得越来越重要,结合数据进行实验,采用高频率数据的定义和性质特征,HHT方法、波动率、ARCH模型和SV模型,然后基于Hilbert-Huang变换的高频率数据波动频率对研究的问题进行进一步估计。
简介:摘要基于季节性时间序列的特征,文章提出了一种利用季节模型预测的方法抑制希尔伯特——黄变换(HHT)中端点效应的方法。首先,在对信号进行经验模式分解(EMD)之前,利用季节模型预测的方法延拓信号的两端,使得极值拟合的包络线更加适合原信号;其次,对固有模态函数(IMFs)做Hilbert变换之前再次应用季节模型预测;最后,将基于季节模型预测方法的HHT算法与灰色预测和神经网络预测的结果进行对比,仿真实验表明新算法不仅有效抑制了端点效应,而且得到了更准确的瞬时频率。
简介:摘 要:爆破振动信号具有短时非平稳随机性,所包含的能量信息对于其特征识别具有重要意义。对隧道爆破振动信号进行EMD分解,消除趋势项后得到纯净的爆破信号,在此基础上,采用多分辨率的小波包变换对爆破振动信号进行多层分解,得到信号能量分布的细节信息。结果表明:采用微差分段的爆破方式,其振动能量主要集中于0~250 Hz,且爆破能量的分布很不均匀,存在多个主震频带这从侧面反映了爆破振动频率成分的复杂性;选择幅值较大且波形衰减明显的模态分量,使用Hilbert 变换提取包络线,对包络线峰值点进行识别得到微差起爆时间分别为0. 0142 s,0.1116 s,0.2105 s,炸药起爆没有叠加现象,起爆时间较为合理。
简介:针对电力系统低频振荡问题,在运用阻尼转矩对单机无穷大系统分析低频振荡机理与特点的基础上,对低频振荡经验模态分解时存在的端点效应问题进行了理论分析与改进,提出了一种基于端点优化对称延拓法的有效改进EMD分解边界效应的HHT算法对电力系统低频振荡进行辨识。通过对测试信号进行仿真,同时也利用广域FNET监测系统的测试结果进行低频振荡参数辨识及抑制实验,研究了该算法在模式辨识方面的有效性和准确性。仿真和实验表明,基于改进HHT算法的低频振荡辨识方法能快速高精度地辨识出振荡模态信息,并能有效指导电力系统稳定器PSS的配置及参数设计,从而维持电力系统的安全与稳定。
简介:将Hilbert-Huang变换(HHT)算法和Prony算法相结合进行电力系统低频振荡模式识别。利用HHT算法对实测信号进行经验模态分解,使之分解成处于不同频率的固有模态函数(IMF);然后根据Hilbert变换,分析IMF分量的频率和相位,提取出含主导低频振荡模式的IMF;利用Prony算法对含低频振荡模式的IMF进行分析,提取出低频振荡模态参数,准确识别低频振荡模态。通过算例分析,证明了该方法可提高模态识别的精确性,验证了提取低频振荡模态参数的有效性。
简介:阵列声波信号是典型的非线性、非平稳信号,Hilbert~Huang变换(HHT)是处理非平稳信号的一种比较新的时频分析方法。通过对信号进行经验模态分解(EMD)和对瞬时频率的求解,可以获得声波信号的时一频谱。其关键技术就是进行经验模态分解,任何非平稳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。EMD方法可以理解为以声波信号极值特征尺度为度量的时频滤波过程。滤波器充分保留了声波信号本身的非线性和非平稳特征,在声波信号的滤波和去噪中具有很大的优势。文中介绍了HHT时频滤波的实现过程,并列举了一些声波测井波列实例,说明了该方法的有效性。
简介:阵列声波信号是典型的非线性、非平稳信号,Hilbert-Huang变换(HHT)是处理非平稳信号的一种比较新的时频分析方法。通过对信号进行经验模态分解(EMD)和对瞬时频率的求解,可以获得声波信号的时-频谱。其关键技术就是进行经验模态分解,任何非平稳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。EMD方法可以理解为以声波信号极值特征尺度为度量的时频滤波过程。滤波器充分保留了声波信号本身的非线性和非平稳特征,在声波信号的滤波和去噪中具有很大的优势。文中介绍了HHT时频滤波的实现过程,并列举了一些声波测井波列实例,说明了该方法的有效性。
简介:摘要提出了一种配电网单相接地故障选线检出的新方法。该方法采用一种新的非线性、非平稳信号的处理方法—改进的希尔伯特黄变换,应用于电力系统故障选线中。将各条线路的电流进行经验模态分解(EMD),把原始信号用一系列的固有模态函数(IMF)来表示,得到瞬时频率和瞬时幅值,体现了时间—频率—幅值的分布特征,能够准确的提取配电网单相接地故障信号中的暂态成分。
简介:
简介:摘要提出了一种配电网单相接地故障选线检出的新方法。该方法采用一种新的非线性、非平稳信号的处理方法—改进的希尔伯特黄变换,应用于电力系统故障选线中。将各条线路的电流进行经验模态分解(EMD),把原始信号用一系列的固有模态函数(IMF)来表示,得到瞬时频率和瞬时幅值,体现了时间—频率—幅值的分布特征,能够准确的提取配电网单相接地故障信号中的暂态成分。
简介: