基于HHT的非平稳信号特征提取方法及应用研究

发布时间：2017-04-14 15:23

  本文关键词：基于HHT的非平稳信号特征提取方法及应用研究，由笔耕文化传播整理发布。

【摘要】：非平稳信号的分析和处理作为现代信号处理学科的重要内容,一直是理论科学和工程实践研究的热点。以短时傅里叶变换和小波分析为代表的相关处理方法虽然不同程度的对非平稳信号的时变性给出了恰当的描述,但它们都是以傅里叶变换为最终的理论依据,使用它们分析非平稳信号容易产生虚假信号和假频等现象。为了避免这个问题,对非平稳信号最直接的分析和处理方法是使用具有局域性质的基本量,如瞬时频率。Hilbert-Huang变换(HHT)则是以瞬时频率作为基础的一种全新的非平稳信号分析方法,它可以有效的分析并提取信号在整个时域内的局部化特征,已经广泛应用在生物医学、机械故障诊断学、海洋工程等众多领域。本文在对现有的主要时频分析方法及其各自的针对性和局限性做出深入分析的基础上,重点研究基于HHT的非平稳信号时频分析以及特征提取方法,所做的工作如下:①研究了HHT算法的基本理论,包括瞬时频率、本征模态函数、经验模态分解(EMD)算法以及Hilbert谱分析等。其中对于EMD算法,详细介绍了该算法的分解原理及分解步骤,并给出了算法的完备性和正交性分析。深入分析了HHT目前存在的主要问题,包括模态混叠问题和端点效应问题,并详细给出了目前针对这两个问题的相应改进措施。②在对Hilbert时频图分析的基础上,提出了一种基于直方图统计特征的非平稳信号特征提取方法。首先从基于HHT的信号时频域表达出发,分析了模态混叠和端点效应问题对时频表达的影响,通过仿真实验将HHT与传统时频分析方法进行了比较研究,最后给出了基于时频图像的直方图统计特征提取方法。③在对Hilbert边际谱分析的基础上,给出了一种联合谱能量和谱熵的非平稳信号特征提取方法。首先介绍了信号的边际谱表示,然后通过实验仿真分析了边际谱与传统傅里叶幅值谱在信号表达上的区别,最后介绍了基于边际谱的信号特征提取方法,分别给出了谱能量和谱熵两种特征量,并作了详细分析。④将两种特征提取方法应用于癫痫脑电信号检测中。分别对脑电信号进行时频图分析和边际谱分析,提取了脑电信号具有显著意义的特征向量,最后结合支持向量机技术对相应特征进行分类验证,实验结果表明两种特征提取方法在脑电信号的分类中均能取得有效的分类准确率。
【关键词】：非平稳信号 Hilbert-Huang变换 时频分析 特征提取
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O174.2;TN911.7
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-14
• 1.1 研究背景及意义8-9
• 1.2 国内外研究现状9-12
• 1.2.1 平稳信号的处理方法10
• 1.2.2 非平稳信号的时频分析方法10-12
• 1.3 HHT概述12-13
• 1.4 本论文的主要工作13-14
• 2 HHT基本理论14-24
• 2.1 HHT中的重要概念14-16
• 2.1.1 瞬时频率14-15
• 2.1.2 本征模态函数15-16
• 2.2 EMD算法基本原理16-20
• 2.2.1 算法的迭代筛选过程16-18
• 2.2.2 算法的完备性和正交性18-20
• 2.3 存在问题及相应改进20-23
• 2.3.1 模态混叠20-22
• 2.3.2 端点效应22-23
• 2.4 本章小结23-24
• 3 基于HHT时频图的非平稳信号特征提取方法24-36
• 3.1 引言24
• 3.2 信号的时频图像分析24-33
• 3.2.1 基于HHT的信号时频域表示24
• 3.2.2 模态混叠对信号时频表示的影响分析24-27
• 3.2.3 端点效应对信号时频表示的影响分析27-30
• 3.2.4 与传统时频方法的比较分析30-33
• 3.3 时频图像的直方图表示33-34
• 3.4 基于直方图的统计特征提取34-35
• 3.5 本章小结35-36
• 4 基于HHT边际谱的非平稳信号特征提取方法36-42
• 4.1 引言36
• 4.2 信号的边际谱分析36-38
• 4.2.1 基于HHT的信号边际谱表示36-37
• 4.2.2 与傅里叶幅值谱的比较分析37-38
• 4.3 基于边际谱的特征提取38-41
• 4.3.1 谱能量特征38-39
• 4.3.2 谱熵特征39-41
• 4.4 本章小结41-42
• 5 HHT在非平稳癫痫脑电信号检测中的应用42-56
• 5.1 引言42-43
• 5.2 脑电信号的特点及分析技术43-46
• 5.2.1 脑电信号的特点43-44
• 5.2.2 脑电信号的分析技术44-45
• 5.2.3 实验数据介绍45-46
• 5.3 基于时频图特征提取方法的癫痫脑电信号检测46-51
• 5.3.1 脑电信号时频图表示46-48
• 5.3.2 基于图像直方图的脑电信号特征提取48-50
• 5.3.3 实验结果分析50-51
• 5.4 基于边际谱特征提取方法的癫痫脑电信号检测51-54
• 5.4.1 脑电信号的边际谱表示51
• 5.4.2 基于边际谱的脑电信号特征提取51-53
• 5.4.3 实验结果分析53-54
• 5.5 结果比较分析54-55
• 5.6 本章小结55-56
• 6 总结与展望56-58
• 6.1 本文总结56-57
• 6.2 下一步工作展望57-58
• 致谢58-59
• 参考文献59-63
• 附录63
• A. 攻读硕士学位期间发表的论文63
• B. 攻读硕士学位期间取得的科研成果63

【相似文献】

中国期刊全文数据库 前10条

1 陈伟;瞿晓;葛丁飞;;主观引导特征提取法在光谱识别中的应用[J];科技通报;2011年04期

2 张剑清,J.A.R.Blais;运用信息论进行特征提取[J];测绘学报;1990年03期

3 高湘萍;吴小培;沈谦;;基于脑电的意识活动特征提取与识别[J];安徽大学学报(自然科学版);2006年02期

4 杨丽梅;郭立红;;天空背景下飞行器结构特征提取的新方法[J];光学技术;2007年03期

5 陈振洲;邹丽珊;;核Foley-Sammon变换[J];广州大学学报(自然科学版);2007年04期

6 王江晴;万晨;;周边方向贡献度在脱机手写女书特征提取中的应用[J];中南民族大学学报(自然科学版);2010年03期

7 李华平;;基于多特征提取的识别算法数学建模优化研究[J];哈尔滨师范大学自然科学学报;2013年04期

8 张绍武;潘泉;赵春晖;程咏梅;;基于加权自相关函数特征提取法的多类蛋白质同源寡聚体分类研究[J];生物医学工程学杂志;2007年04期

9 呼声波;刘希玉;;网页分类中特征提取方法的比较与改进[J];山东师范大学学报(自然科学版);2008年03期

10 李乡儒;;光谱数据挖掘中的特征提取方法[J];天文学进展;2012年01期

中国重要会议论文全文数据库 前10条

1 尚修刚;蒋慰孙;;模糊特征提取新算法[A];1997中国控制与决策学术年会论文集[C];1997年

2 潘荣江;孟祥旭;杨承磊;王锐;;旋转体的几何特征提取方法[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

3 薛燕;李建良;朱学芳;;人脸识别中特征提取的一种改进方法[A];第十三届全国图象图形学学术会议论文集[C];2006年

4 杜栓平;曹正良;;时间—频率域特征提取及其应用[A];2005年全国水声学学术会议论文集[C];2005年

5 黄先锋;韩传久;陈旭;周剑军;;运动目标的分割与特征提取[A];全国第二届信号处理与应用学术会议专刊[C];2008年

6 魏明果;;方言比较的特征提取与矩阵分析[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

7 林土胜;赖声礼;;视网膜血管特征提取的拆支跟踪法[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 秦建玲;李军;;基于核的主成分分析的特征提取方法与样本筛选[A];2005年中国机械工程学会年会论文集[C];2005年

9 刘红;陈光，

本文编号：306300