Hilbert-Huang變換端點問題處理方法的分析與研究.pdf

1、希爾伯特黃變換(Hilbert-Huang變換，HHT)是近年來提出的新型信號分析方法，被認為是對以傅立葉變換為基礎的經典時頻信號分析方法的突破。此新型方法包含兩個部分：經驗模態(tài)分解(empirical mode decomposition，EMD)和Hilbert變換，能夠自適合地處理非線性，非平穩(wěn)信號，已經在工程應用中廣泛采用。但HHT變換提出的時間不長，理論基礎不是足夠的完整，在應用時出現(xiàn)了很多的問題。比如，在絕大多數情況下，數據

2、序列端點并非極值點，在采用插值技術擬合信號的上下包絡時，致使數據序列的兩端會出現(xiàn)“發(fā)散”現(xiàn)象，并且這種發(fā)散結果會隨著“篩選”過程不斷進行向內“污染”。同時，進行Hilbert變換時，數字序列的兩端也會出現(xiàn)嚴重的發(fā)散現(xiàn)象。因此端點問題的有效減弱或抑制是目前有待解決的棘手問題之一。
　　本文就端點問題的產生原因，擬合包絡線的插值方法展開了分析，并就如何延長數據序列展開了研究，主要的內容如下：
　　1、介紹Hilbert-Huan

3、g變換的理論基礎，發(fā)展歷史，對比傳統(tǒng)時變信號處理方法，展示HHT在分析信號時的優(yōu)點。著重分析EMD方法原理及分解時應注意的準則，引出Hilbert-Huang變換的難點-端點問題，并闡述了國內外的研究現(xiàn)狀及發(fā)展趨勢；
　　2、介紹HHT端點問題出現(xiàn)的原因，引入處理問題的評判標準(觀察瞬時頻率法和正交性指標(IO)判別法)；
　　3、研究不同的插值方法對端點問題的影響，分析不同長度數據序列的不同處理方法。在較長數據序列端點問題

4、的處理上，本文采取不斷拋棄兩端數據，保證最終數據序列端點為極值使得所得包絡失真度最??；在對短數據序列的處理上，推出神經網絡和改進的對稱極值相結合的方法對短數據序列進行延拓，并結合常見的兩種插值方法對抑制端點問題進行處理，觀察抑制效果。同時，將神經網絡延拓法、改進的對稱極值延拓法處理同一個仿真信號，分析優(yōu)缺點。最后論證出神經網絡和改進的對稱極值相結合的方法的在抑制端點問題上的有效性。對于復雜多變的信號，應該結合插值方法觀察，找到更適宜的處