基于HHT和机器学习的非平稳信号分析

发布时间：2020-03-25 20:44

【摘要】：随着科学技术的发展,非平稳信号分析已成为许多工程领域的重要组成部分。时频分析方法是用于非平稳信号分析的常用方法。希尔伯特-黄变换(Hilbert-Huang Transform,HHT)作为一种全新的自适应的非平稳和非线性信号分析方法,相比于传统的时频分析方法拥有更加锐利的时频分辨率。HHT包含了两个关键部分:经验模态分解(Empirical Mode Decomposition,EMD)和希尔伯特谱分析(Hilbert Spectrum Analysis,HSA)。EMD能够自适应地将非平稳信号分解为有限数目的内部模态函数(Intrinsic Mode Functions,IMF),对IMF进行希尔伯特变换(Hilbert Transform,HT)就可以得到非平稳信号的时频分布。由于缺乏坚实的数学基础,EMD的实现仍然是经验性的,这导致HHT方法仍然存在一些问题,进而严重影响了其分析结果。本文主要对HHT中的端点效应和模态混叠问题进行研究,利用HHT及其改进方法对一类非平稳通信信号进行了分析。本文的主要研究内容如下:首先,利用HHT以及几种传统的时频分析方法对常见的非平稳信号进行了时频分析,结果表明HHT方法对于非平稳信号分析具有更加优异的时频分析性能。其次,针对HHT中存在的端点效应问题,阐明了端点效应的存在原因,总结了现有解决方法。重点介绍了极值镜像延拓法、基于支持向量回归的波形延拓法和基于极限学习机的波形延拓法。提出了一种基于极限学习机与极值镜像的延拓方法,综合正交性系数、相似系数以及模型训练时间等评价指标来看,该方法能够有效的抑制端点效应问题。再次,针对HHT中的模态混叠问题,阐明了模态混叠的产生原因,总结了现有解决方法。重点介绍了自适应噪声完备总体经验模态分解(Complete Ensemble Empirical Mode Decomposition With Adaptive Noise,CEEMDAN)、频移法以及掩膜信号法这三种解决模态混叠的方法;提出了一个掩膜信号法的实施原则,该实施原则能够指导研究人员更好的利用掩膜信号法。最后,利用HHT及其改进方法对一类非平稳通信信号进行了分析。结果表明,在无高斯白噪声的条件下,利用HHT方法能够准确的分析出信号中的时频特征;在有高斯白噪声条件下,HHT方法的分析性能减弱,采用CEEMDAN和HSA作为HHT的改进方法能对非平稳通信信号的频率信息进行有效的提取。
【图文】：

二分量信号的瞬时频率

EMD的筛选过程
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN911.7;TP181

【参考文献】

相关期刊论文 前10条

1 肖瑛;殷福亮;;解相关EMD:消除模态混叠的新方法[J];振动与冲击;2015年04期

2 王新;王乾;赵志科;;基于SVR的经验模态分解端点延拓改进方法[J];计算机工程与应用;2014年09期

3 汤宝平;董绍江;马靖华;;基于独立分量分析的EMD模态混叠消除方法研究[J];仪器仪表学报;2012年07期

4 胡爱军;孙敬敬;向玲;;经验模态分解中的模态混叠问题[J];振动.测试与诊断;2011年04期

5 韩建平;钱炯;董小军;;采用镜像延拓和RBF神经网络处理EMD中端点效应[J];振动.测试与诊断;2010年04期

6 杨建文;贾民平;;希尔伯特-黄谱的端点效应分析及处理方法研究[J];振动工程学报;2006年02期

7 刘慧婷,张e，

本文编号：2600420