Hilbert-Huang变换在提取阵列声波信号动力特性中的应用

阵列声波信号是典型的非线性、非平稳信号,其动力特性的量化提取对于进行地层结构构造分析提供了必要的基础资料.而Hilbert-Huang变换(HHT)是一种处理非线性、非平稳信号的新方法.它通过经验模态分解(EMD)将信号分解为有限个固有模态函数(IMF),并对每个固有模态函数进行Hilbert变换得到Hilbert谱.本文将这种方法应用于阵列声波信号动力特性的提取,有效地获得了信号能量的时频分布,瞬时能量、Hilbert能量、最大振幅对应的时频分布等动力特性,显示了HHT的优势以及对于进一步实现地层结构构造分析的重要意义.     

Hilbert-Huang 变换与大地电磁噪声压制

大地电磁信号具有非线性、非平稳、非最小相位特征,不符合以Fourier变换为基础的传统功率谱估计的基本要求. Hilbert-Huang变换是近年发展起来的处理非线性、非平稳信号的完全局部时频分析方法. 本文在简要介绍Hilbert-Huang变换基本原理与算法基础上,以实际数据分析为例,探讨了它在大地电磁信号处理及噪声压制中的应用. 提出利用Hilbert时-频能量谱对大地电磁信号进行时段筛选,以提高信号品质,增强数据处理的质量和资料的可解释性. 利用经验模态分解方法及其多尺度滤波特征,可以有效地分析MT信号中的噪声分布特征,并进行干扰压制.     

希尔伯特-黄变换在地震资料处理中的应用

希尔伯特-黄变换是最新发展起来的处理非线性非平稳信号的时频分析方法.本文介绍了该方法的基本原理和几个关键技术,以及其优势所在,并将它应用于含随机噪音的地震信号和实际地震资料的分解.分解后的信号能够重构原始信号,重构后在信噪比和分辨率方面有了一定的提高,对地震资料的去噪有重要意义.     

希尔伯特-黄变换地震信号时频分析与属性提取

地震信号属于非线性和非平稳信号,传统的分析方法主要包括短时傅立叶变换、小波变换和Cohen类时频分布等等;希尔伯特-黄变换是分析非平稳信号的新方法,该方法的关键部分是信号的经验模态分解,通过经验模态分解,复杂的信号可以分解为有限的数量很少的几个固有模态函数,从而可以得到信号的希尔伯特时频谱;将该方法应用于单个的地震道数据,可以对地震道进行经验模态分解并得到希尔伯特谱,应用于地震剖面,可以得到意义更加明确的瞬时频率和瞬时振幅等地震属性,模型试算和实际应用表明了该方法的有效性.     

Hilbert-Huang变换在WEM信号预处理中的应用

在强电磁干扰环境下,采用传统傅里叶变换方法对WEM数据进行处理的效果不佳,得到的预处理数据无法满足后续反演计算的要求.同时,野外采集的WEM信号具有非线性、非平稳特征.本文研究了采取Hilbert-Huang变换(HHT)这种完全局部时频分析手段来处理WEM信号的方法.文中简要介绍了Hilbert-Huang变换的基本原理,通过模拟信号验证了方法的有效性,并以实际数据分析为例,研究了本方法在WEM信号数据处理中的应用.研究结果表明,HHT法能够实现对电磁强干扰高效压制并得到有效信号,极大地改善了WEM信号的处理效果.     

Hilbert-Huang变换在密频结构阻尼识别中的应用

Hilbert—Huang变换是一种新的数据处理方法，由经验模分解(Empirical Mode Decomposition)技术及Hilbert变换两部分组成。本文研究此方法对于密频结构阻尼识别的应用。首先对于两自由度系统模型，说明该方法用于阻尼识别的步骤。进而研究存在频率密集现象的高层建筑的阻尼识别问题。上述结果与理论值及由半功率带宽法的识别值进行了比较，对比显示Hilbert．Huang方法较传统方法具有良好的识别密频结构阻尼的性能，适用于大型结构的系统识别。     

基于Hilbert-Huang变换的地震瞬时属性提取方法及应用(英文)

希尔伯特—黄变换(Hilbert-Huang transform,HHT)是一种新的适合非平稳和非线性信号的分析方法,由于地震信号一般呈现出非平稳与非线性特性,因此HHT非常适合地震信号的分析。本文首先介绍了HHT中关于经验模态分解(Empirical Mode Decomposition,EMD)的实现过程,在此基础上分析了几种基于EMD获得本征模态函数(Intrinsic Mode Functions,IMF)来计算瞬时频率的算法,其中利用了两个采样间隔瞬时频率的平均来计算瞬时频率,较好地反映了地震信号频率成分随时间变化的特征。将该方法应用于四川东北部某地区海相碳酸盐岩地层三维地震叠后偏移数据处理,提取"三瞬"地震属性,与传统的希尔伯特变换提取的"三瞬"地震属性进行对比,结果表明基于HHT的"三瞬"地震属性结果具有更高的分辨率,IMF2的瞬时相位能够较好地刻画台地边缘生物礁相,IMF2的瞬时频率亦具有较好的分带性。将IMF2的"三瞬"地震属性与钻井等资料结合分析,能够更好地识别沉积相的分布。     

时程信号的Hilbert-Huang变换与小波分析/

在简要介绍时程信号的小波分析和Hilbert-Huang变换(HHT)理论的基础上,通过地震波和其它时程信号实例,对比分析了小波变换和HHT变换结果. 比较显示：HHT变换和小波变换均能用于对非平稳的信号进行分析,并能捕捉到信号变化的主要特征;与受所选母波影响较大的小波分析不同,HHT变换得到的固有模态函数是直接从原始时程数据中分离出来的,它更能反映原始数据的固有特性;小波分析得到的谱的能量在频率范围内分布较广,而HHT变换的Hilbert谱的大部分能量都集中在一定的时间和频率范围内,能清晰地刻画信号能量随时间、频率的分布. 因此,Hilbert-Huang变换不仅是对非平稳信号进行分析的有效方法,而且也是检测时程信号局部特征的有用工具.     

HHT方法在地震工程中的应用之初步探讨

详细介绍了一种新的非线性、非平稳信号的处理方法-HHT，讨论了其有效性和优越性，简单介绍了其在地震工程中的应用前景，并利用HHT处理了地震工程中常用El Centro地震记录，得到了该记录的振幅-频率-时间分布特性，并将得到的边际谱与傅立叶谱做了对比。     

Hilbert-Huang变换与地震信号的时频分析

本文介绍了HHT时频分析方法及瞬时频率的概念，给出了已知信号的经验模态分解及其时频分布，并对实际地震波形信号进行了HHT时频处理与剖析。结果表明，HHT方法能准确描述地震波形信号的非线性时变特征，是地震信号时频分析的有效工具。     

基于折线包络的经验模态分解方法

提出了一种基于折线包络的经验模态分解方法.以一个具有明确解析表达式的信号验证了该方法所得结果的意义,并讨论了该方法分解E1 Centro波所得固有模态分量(IMF)的波形与频谱特征.     

2012年印尼8.6级地震应变地震波的Hilbert-Huang时频分析

本文通过端点效应压制的Hilbert-Huang变换, 对大同及沁源台布置的四分量钻孔应变仪记录的印尼8.6级地震激发的应变地震波形进行时频分析, 结果显示印尼8.6级地震的主震和8.2级余震的应变地震波序列各个震相具有不同的时频特征: ① 地震波到达之前的所谓“环境噪声”部分, 瞬时频率低, 瞬时振幅小; ② P波初至时, 高频成分突然增加, 振幅也随即增强; ③ S波到达时, 频率有所降低而振幅剧烈上升; ④ 面波到达时, 振幅进一步剧烈上升达到整个序列的极大值; ⑤ 尾波部分振幅逐渐降低, 但与噪声部分相比频率依然偏高, 振幅依然偏大。 本文也将应变地震波与地震仪记录的地震波进行对比, 虽然应变地震波与地震波波形和Fourier谱具有极高的相关系数, 但从Hilbert-Huang变换得到的边际谱上看, 应变地震波与地震波有显著的区别, 应变地震波比地震波记录的低频成分相对更多。 通过Hilbert谱, 有助于更好地了解非平稳信号的局部特征, 对于突变信号的地震波, Hilbert-Huang变换是一个较好的时频分析工具。     

Hilbert-Huang变换方法研究进展

自然过程大都具有非线性非平稳性,一种自适应数据分析方法对于分析这些过程来说是极其必要的。Huang于1998年创立的H ilbert-Huang变换(HHT)就是这样一种自适应性非线性非平稳数据分析方法,该方法由经验模态分解(EMD)和H ilbert变换两部分组成。文中首先详细解释了HHT的思想和基本理论;然后介绍了该方法近期的重要研究进展,列举了其在科研和工程领域的应用;最后,对方法中仍然存在的问题进行了讨论。     

希尔伯特—黄变换在地电阻率数据处理中的应用

希尔伯特—黄变换用于处理非线性非平稳信号,由经验模态分解和希尔伯特谱分析2部分组成。本文采用希尔伯特—黄变换方法,相继对大同地震台地电阻率月值数据和宝昌地震台地电阻率月值、整点值数据进行处理。结果显示:(1)大同、宝昌地震台地电阻率月值数据对应的Hilbert谱具有较高分辨率,高幅值在归一化频率0.05—0.15区间内呈"余弦"变化形态;(2)希尔伯特—黄变换在提取地电阻率异常变化、高频信息及去除噪声等方面效果较好,在未来地电资料处理中具有广泛的应用前景。     

HHT方法在受城市轨道交通干扰地电场观测数据中的应用

较为详细地介绍了希尔伯特-黄变换方法,并将该方法中的经验模态分解功能和边际谱功能应用于受城市轨道交通干扰较大的北京市通州区西集镇地电场台站的观测资料中,对城市轨道交通在地电场观测中的影响进行了分析研究.结果表明,在地电场观测台站受到轨道交通干扰时,布极方位与轨道方向一致的测道所记录的数据受到的影响最大;利用经验模态分解...     

A technique to improve the empirical mode decomposition in the Hilbert-Huang transform

The Hilbert-based time-frequency analysis has promising capacity to reveal the time-variant behaviors of a system. To admit well-behaved Hilbert transforms, component decomposition of signals must be performed beforehand. This was first systematically implemented by the empirical mode decomposition (EMD) in the Hilbert-Huang transform, which can provide a time-frequency representation of the signals. The EMD, however, has limitations in distinguishing different components in narrowband signals commonly found in free-decay vibration signals. In this study, a technique for decomposing components in narrowband signals based on waves’ beating phenomena is proposed to improve the EMD, in which the time scale structure of the signal is unveiled by the Hilbert transform as a result of wave beating, the order of component extraction is reversed from that in the EMD and the end effect is confined. The proposed technique is verified by performing the component decomposition of a simulated signal and a free decay signal actually measured in an instrumented bridge structure. In addition, the adaptability of the technique to time-variant dynamic systems is demonstrated with a simulated time-variant MDOF system.     

基于Hilbert-Huang变换和随机减量技术的模态参数识别

傅里叶分析的信号处理方法对非线性、非平稳信号的处理能力差,传统的模态参数识别方法也存在阻尼比识别精度不高的问题。基于Hilbert-Huang变换和随机减量技术提出了一种新的、实用的模态参数识别方法,首先对结构振动信号进行滤波处理和经验模态分解,得到若干阶本征模态响应,然后利用随机减量技术提取自由衰减响应,进而由Hilbert-Huang变换得到信号的瞬时特性,最后结合模态识别的基本理论识别结构的模态频率和模态阻尼比。为了验证这一方法的有效性,对12层钢筋混凝土框架模型振动台试验一测点的加速度记录进行了处理,识别了模态参数,识别结果与其它识别方法及有限元分析结果的对比表明该方法识别模态频率是可靠的,而模态阻尼比识别的精准性仍然难以确认。