基于小波消噪和希尔伯特黄变换的损伤检测技术研究

针对经验模式分解(EMD)易受噪声影响的缺点,提出采用小波消噪结合Hilbert-Huang变换的结构损伤检测方法。首先对含噪声振动信号进行小波消噪预处理实现信噪分离,再进行EMD分解得到若干固有模态函数(IMF),利用希尔伯特(Hilbert)变换得到其瞬时频率。提出了一个基于低阶瞬时频率变化率的损伤判定指标,利用此指标可以判断损伤是否发生。数值研究结果表明小波消噪结合HHT的方法是进行损伤检测比较有效的方法。     

基于HHT的舰船地震波信号实时检测算法

针对舰船地震波信号的非平稳性,将希尔伯特–黄变换(HHT)应用于舰船地震波信号处理中, 并基于 Hilbert 能量谱提出舰船地震波信号实时检测算法。首先,对实测地震波信号进行 HHT 分析,获得信号的时频谱、边际谱、瞬时能量谱以及 Hilbert 能量谱。然后,基于舰船地震波信号 Hilbert 能量谱的特点,选取 Hilbert 能量谱中特定频带内的能量作为检测特征量,利用滑动窗截取数据更新特征量和相应的自适应阈值。 最终,根据一定的检测规则,提出了舰船地震波信号的实时检测算法。实测数据和仿真数据表明：该检测算法能够实时地完成对目标信号的检测,具有较远的检测距离,且在信噪比为–10 dB 时,检测概率达到 100%。     

希尔伯特谱白化方法在海洋地震资料高分辨率处理中的应用

针对海洋地震资料高分辨率宽频处理的要求,也为了克服常规谱白化、反Q滤波等方法无法同时增强时域和频域局部细节的不足,基于希尔伯特黄变换(HHT)的谱白化方法对海洋地震资料进行高分辨率处理应用研究。对地震记录进行固有模态分解(EMD),得到不同尺度的IMF分量;再利用常规谱白化方法对每个分量根据瞬时频率进行合理的振幅均衡;将均衡后的IMF分量进行反变换重构地震记录,从而得到高分辨地震数据。通过理论模型和实际地震资料实验,与常规谱白化方法的对比分析,表明该方法信号局部时频刻画能力以及相对振幅保真性优于常规方法,同时表明此方法能够有效增强地震信号时域和频域的分辨率,使地震剖面更为连续和清晰,并具有较高的信噪比。     

希尔伯特-黄变换的端点延拓

希尔伯特-黄变换(HHT)是近年来发展起来的一种新的时间序列信号分析方法.该文在对HHT深入研究与充分肯定的基础上,发展了信号的镜像闭合延拓和包络的极值延拓两种方法.通过几个典型的例子检验了两种方法,并与Huang等(1998,1999)进行了比较,得到了令人满意的结果.镜像闭合延拓法根据信号端点的分布特性,把镜子放在具有对称性的极值位置,通过镜像法把镜内信号映射成一个周期性的信号,不存在端点,从根本上避免了经验模态分解和希尔伯特变换的端点问题.极值延拓法简单易行,具有与镜像闭合法相当的效果,在处理非对称波形信号时更显其优越性.     

导管架平台健康监测中的信号处理技术

振动信号处理技术能够提取反映结构健康的特征信息,在导管架平台健康监测中发挥了重要作用。为了给导管架平台健康监测与振动特征提取的发展提供借鉴和指导,文中对导管架平台特征提取中常用的信号处理方法:傅里叶变换、小波变换和希尔伯特-黄(Hilbert-Huang)变换进行了综述,系统总结了它们的基本理论、适用范围、优缺点以及在导管架平台健康监测中的应用情况。文中发现傅里叶变换方法简单、适用性强,对于平稳信号有很好的处理效果;小波变换和希尔伯特-黄变换能很好地提取非平稳信号的时频特性,在导管架平台健康监测与特征提取中应用广泛。同时,随着人工智能算法的快速发展,未来的发展中,可以进行信号处理方法与人工智能算法的结合使用,以期获得更好的信号处理效果。     

希尔伯特—黄变换在遥感图像中的实例研究与应用展望

希尔伯特-黄变换是一种处理非线性、非平稳数据的方法,目前该方法已在遥感图像处理中得到高度重视。文中在介绍希尔伯特-黄变换的基础上,首先通过对时间序列数据的不同频率信息进行分离,揭示了希尔伯特-黄变换方法对局部时间尺度的物理含义。通过希尔伯特-黄变换方法对不同空间尺度信息的分离,对SAR遥感图像滤波和SAR遥感图像信息提取开展了实例应用研究,展示了希尔伯特-黄变换方法可以通过遥感图像提供各种尺度信息现象的有效数据。最后讨论与分析了希尔伯特-黄变换方法的局限性与优势,并对其在遥感图像处理中的应用进行了总结和展望。     

基于EMD和短时拷贝相关分析方法的物体溅落声检测研究

采用经验模态分解(Empirical Mode Decomposition,简称EMD)和短时拷贝相关分析的方法,将经过EMD处理得到的溅落声信号作为拷贝信号,利用拷贝信号与海上实测信号的波形相关性实现溅落声检测研究。通过对海试实测的辐射噪声数据进行分析,表明利用EMD和短时相关分析方法可以在较低信噪比下检测出溅落声信号的存在,从而提高了信号检测的准确性。     

基于灰度预测的变长度经验模态分解方法研究

经验模态分解是目前分解非线性非平稳信号的有效方法,但其在应用时存在容易导致信号分解失真的端点效应问题。通过对现有的压制方法所存在的不足进行改进,提出了基于灰度预测的变长度经验模态分解方法,在端点处向外对称延拓一部分原始信号使其变成新的信号,进而利用基于灰度预测的经验模态分解方法计算固有模态函数。每得到一个固有模态函数之后,在两端切掉一定长度的序列,即预测不准确序列,从而避免因该序列被代入下一个固有模态函数的求解而导致中间信号被污染;随后利用正弦叠加信号和非线性非平稳信号等仿真数据进行分解实验。实验结果表明:无论是正弦叠加信号还是非线性非平稳信号,基于灰度预测的变长度经验模态分解方法的计算结果误差均小于常规经验模态分解和基于灰度预测的经验模态分解方法,同时对端点处相位信息的处理也更准确。     

特征系统实现算法中的噪声问题研究

研究特征系统实现算法在模态识别过程中的噪声处理问题。特征系统实现算法为目前土木工程领域应用较为广泛的一种模态识别法。在处理实测数据时,特征系统实现算法将实测数据分解为结构真实信号和噪声信号,从而将噪声消除。分块Hankel矩阵的维数对信噪分离过程影响很大。提出当分块Hankel矩阵的分块行与分块列数接近时,真实和噪声信号可以最好的分离。通过在实测信号里添加噪声(产生噪声-噪声信号),将实测信号和噪声-噪声信号识别的结果进行比较,提出了1种验证识别模态参数是否为结构真实模态的检验方法。本文应用导管架平台实例来验证提出方法的适用性。结果表明,当分块Hankel矩阵的分块行与分块列数接近时,真实和噪声信号能够有效地分离,此时添加的噪声主要影响噪声信号部分。由实测信号和噪声-噪声信号识别的模态参数非常吻合。     

特征系统实现算法中的噪声问题研究

研究特征系统实现算法在模态识别过程中的噪声处理问题.特征系统实现算法为目前土木工程领域应用较为广泛的一种模态识别法.在处理实测数据时,特征系统实现算法将实测数据分解为结构真实信号和噪声信号,从而将噪声消除.分块Hankel矩阵的维数对信噪分离过程影响很大.提出当分块Hankel矩阵的分块行与分块列数接近时,真实和噪声信号可以最好的分离.通过在实测信号里添加噪声(产生噪声-噪声信号),将实测信号和噪声—噪声信号识别的结果进行比较,提出了1种验证识别模态参数是否为结构真实模态的检验方法.本文应用导管架平台实例来验证提出方法的适用性.结果表明,当分块Hankel矩阵的分块行与分块列数接近时,真实和噪声信号能够有效地分离,此时添加的噪声主要影响噪声信号部分.由实测信号和噪声噪声信号识别的模态参数非常吻合.     

基于小型三维阵列的瞬态声源快速被动定位方法

重物在落水和着底过程中都会产生瞬态声信号,这类信号可被运用于浅水区域水下目标定位。 针对浅水区域目标定位的问题,提出了一种基于小型立体五元基阵的瞬态声源快速被动定位算法。 在分析重物落水信号特征的基础上,选取合适的广义互相关加权函数求得传声器之间的声程差,运用快速最小二乘搜索算法进行声源定位。 结果表明:运用 5 传声器阵列可以同时兼顾定位精度和鲁棒性,且满足实时性要求,该方法可运用于浅水区域瞬态声源定位等领域。     

基于小波分析的侧扫声呐信号非线性增强算法

侧扫声呐回波信号是形成侧扫声呐图像的基础,是侧扫声呐系统对水下目标的最直接观测量, 将一维小波变换与非线性增强方法相结合,提出了一种基于小波变换的侧扫声呐回波信号非线性增强算法, 用以改善侧扫声呐图像对比度低、噪声强度大的问题。首先利用改进的 Bayes 阈值对侧扫声呐 ping 信号进行一维小波分解,提取信号特征信息;然后利用 2 种不同的非线性函数对高、低频小波系数进行处理;最后利用小波反变换重构信号,形成增强后的侧扫声呐图像。实测数据验证结果表明：利用该算法对侧扫声呐 ping 信号进行处理,实现了侧扫声呐图像对比度的增强和对噪声的抑制,可以获取较好的图像视觉效果。     

基于改进S变换的高频地波雷达阵列信号DOA估计

传统阵列信号的DOA估计可以同时对空间不同方向上的多个信号源实现方向估计,为了提高估计精度,可以进行时频变换,但小波及希尔伯特黄变换等,都存在交叉项问题,而S变换可以避免交叉项的影响。由于S变换中高斯窗宽度为频率的倒数,为提高信号的时频分辨率,本文在高斯窗中加入调节因子,可以灵活调节高斯窗函数随频率尺度的变化趋势。本文将改进S变换与阵列信号DOA估计结合,通过计算机仿真给出了该方法与传统方法的性能对比,并与高频地波雷达的实测数据结合,验证了此方法的有效性与可行性。     

主控模态函数及在水位数据分析中的应用

在快速滤波分解信号为最宽带通本征模态函数方法（简称FFDSI方法）的基础上，引入了主控模态函数的概念。将其应用于Chichijima水文站水位信号，从中分解出3个96．93％-主控模态函数，分别代表着不同于调和分潮，且与天体运行规律更加吻合的3种模态潮型。由此可见，主控模态函数在信号分析中的应用价值。     

基于FRFT域空间分形特征差异的海面弱目标检测

针对传统分形方法在海杂波研究中的局限性,为了有效检测海面弱小目标,本文提出一种分形理论与时频分析相结合的海面弱目标检测算法。首先通过分数阶Fourier变换(FRFT)将时域回波信号变换到时频联合域,在FRFT的最佳变换域,信号的能量得以聚集、信杂比得以提高。然后提取改进的空间分形特征差异作为检测统计量,将其作为目标检测的依据。利用IPIX雷达实测数据进行验证,实验表明本文的算法可以有效避免门限效应的影响,克服了传统方法中使用固定分数维门限检测效果不佳的缺陷,提高了海事雷达的弱目标检测性能。     

基于支持向量回归的海面高度统计预报方法研究

本文提出一种基于支持向量回归的统计预报方法,通过经验正交分解对原始数据矩阵进行时空分解,提取出空间模态和时间系数。由于海面高度变化具有非线性、大惯性的特点,对时间系数进行小波分析,能有效滤除其中的高频信号,得到表征海面高度变化的低频信号。利用支持向量回归方法对小波分解后的低频信号构建预报模型。最后,进行小波重构,还原时间序列长度,实现未来7天的海面高度预报。通过黑潮附近海域的海面高度预报结果验证,该预报方法的预报效果优于整合滑动平均自回归预报方法。本文通过机器学习的算法实现了海面高度的预报,为海洋预报方法提供了新的思路。     

基于经验模式分解的希尔伯特变换包络提取在机械故障诊断中的应用

本文采用经验模式分解 (EMD)提取信号的内在模函数 (IMF) ,并利用希尔伯特变换对所得IMF进行包络分析 ,提取机械故障特征。与直接对原信号进行包络分析相比较 ,该方法提取的机械故障特征更明显。数值模拟和对故障轴承振动信号分析表明了该方法的有效性。     

基于小波变换的固定式海洋平台结构损伤识别方法研究

小波变换在分析非平稳信号方面较傅立叶变换更有效,为了检测出海洋平台结构中裂缝或因刚度降低引起的损伤,对海洋平台的响应信号进行离散小波变换,通过分析变换后的信号是否有突变现象判断结构是否出现损伤,并结合模态应变能法实现了对结构损伤的定位,探讨了传感器位置对识别效果的影响。     

罗兰C信号包络提取技术研究

为改善罗兰C接收机的接收性能,获取更高的定位精度,关键是提高罗兰C信号包络提取的精度。分别讨论了希尔伯特变换、小波变换和短时平均能量三种包络提取方法在罗兰C信号处理中的应用效果。仿真验证表明,基于Morlet小波的包络提取方法精度最高,效果最佳,满足罗兰C接收机实际信号处理条件下对包络信息精确性高的要求。     

主动声探测信号的捕获与回波重构电路设计

针对主动声探测脉冲偶发、短时、超声、单频、大动态的特点，传统的微弱信号采集电路已不能满足对其探测捕获的需求。提出了一种多级放大多路同步采集的电路系统，对预处理的信号进行多级放大。 由 DSP 同时对多级输出信号进行采集与识别，将采集的某路合适信号进行分析并重构回波。该方法有效地提高了系统的实时性，满足实际情况下对主动探测脉冲的捕获与分析重构。