HHT

摘要： 本文设计了一套基于FPGA的鲸豚声信号实时数据采集与分析系统,在采集存储水族馆内声信号的同时,应用改进的HHT算法处理鲸豚叫声中的click信号,实现实时的甄别瓶鼻海豚和白鲸功能,可用于针对大型哺乳动物的远洋实时跟踪科考.

摘要： 为研究井工采动对排土场边坡影响,以安家岭矿为背景,采用FLAC和RFPA分别对AA’、B-B’2个剖面进行了井工采动影响下的边坡数值试验。结果表明:A-A’剖面边坡在开挖400 m后会出现潜在滑坡模式,在顶部平盘位置出现拉裂缝并贯通黏土弱层,最后沿坡脚剪出;B-B’剖面边坡在井工采动后,上覆岩体切落到地表,在地表形成拉伸裂隙并向下发展与黏土弱层贯通,形成“圆弧-顺层”滑坡。

摘要： 为研究爆破振动信号在高陡边坡传播规律,以某露天矿高陡岩质边坡为工程背景,提出了测点布置原则,并基于HHT方法研究了IMF分量、Hilbert瞬时能量谱、能量谱及边际谱。结果表明:测振仪传感器禁止安装在褶皱及断裂带上,各测振仪监测点的岩性基本一致;爆破振动以低频为主,能量分布范围为0~100 Hz,且大部分能量集中于50 Hz以下的低频段区。

摘要： 目前,大多数运动想象(Motor Imagery,MI)针对的是单侧肢体的研究,而传统的单侧肢体简单的运动想象不易被患者理解并且康复效果有限.本研究针对运动协调想象,设计了一种新的步行想象范式,该范式需要被试想象正常的步行动作,其涉及复合肢体的协调配合,同时,对被试的空闲状态进行识别.招募了18名被试参与本实验,分别采集了步行想象和空闲状态的脑电信号;接着分别采用自回归(Auto Regressive,AR)模型、共空间模式(Common Spatial Pattern,CSP)、希尔伯特-黄变换(Hilbert-Huang Transform,HHT)和AR模型组合方法提取特征,最后采用支持向量机(Support Vector Machine,SVM)对步行想象和空闲状态两类任务进行分类.结果显示采用AR模型提取特征取得的平均、最高和最低分类正确率分别为63.28±6.33%、80.15%和51.56%;采用CSP提取特征取得的平均、最高和最低分类正确率分别为73.58±5.37%、85.47%和59.97%;采用HHT和AR模型组合方法提取特征取得的平均、最高、最低分类正确率分别为80.51±4.06%、89.59%和62.41%.本研究表明,HHT和AR结合的特征可用于识别步行想象和空闲状态,且可分性较好.本研究可望为基于步行想象的BCI用于脑卒中偏瘫患者运动障碍康复提供思路.

摘要： 地震的孕育和发生本质上都是地壳内部应力、应变能逐渐积累并突然或缓慢释放的结果,研究应变的变化过程对于地震危险性的判定具有重要意义。本文基于云南区域2013—2019年GNSS格网应变时间序列,利用专门适用于非线性非平稳信号处理的热门时频分析方法—整体经验模态分解(ensemble empirical mode decomposition,EEMD)的希尔伯特-黄变换(Hilbert-Huang transform,HHT)分析方法,探索云南区域中强地震前GNSS应变时序的时-频-能量分布特征,尝试挖掘应变时频信号中所携带的孕震信息。利用23号、42号格网对应的地震进行震例分析,结果显示:EEMD具有分频剖面的类似特征,它能够依据数据的时间特征尺度进行信号分解,较好地剖析信号在不同频率尺度上的变化特征;Hilbert变换能够通过瞬时频率、瞬时振幅等方式突出信号的局部瞬时特性,在固有模态分量(intrinsic mode functions,IMF)异常曲线识别无效的情况下仍能凸显异常;通过EEMD、残差趋势项分析、IMF异常识别和Hilbert变换综合动态分析应变时间序列的分析方法,能够在部分地震前夕发现一些潜在异常信息,为未来云南区域强震危险地点的判定提供一定的参考。

摘要： 目前,我国石油和天然气的消耗量远大于产量,进口量和对外依存度持续递增,在一定程度上影响了国民经济发展。测井在油气勘探开发领域具有十分重要的作用,但是由于多种因素的影响,测井曲线中存在一定量的噪音,影响了后续测井资料解释的精度和有效性。基于此,在测井曲线去噪中引入经验模态分解,简要介绍了EMD和EMD去噪的基本原理,并结合实际工区的测井曲线,验证了该方法的有效性。

摘要： 为了解决传统HHT在电能质量扰动检测中EMD产生的模态混叠问题,提出一种基于奇异值分解(SVD)的改进HHT的电能质量扰动检测新方法。首先,将初始信号转换为Hankel矩阵进行SVD;再进行奇异值去模态混叠处理并重构信号;最后用HHT方法对重构后的去干扰扰动信号进行分析,求出扰动各固有模态分量imf对应的瞬时幅频参数,以实现扰动检测。仿真结果表明改进HHT方法比传统HHT与基于EEMD的HHT方法对带有噪声与高频间断信号的扰动信号能更好地消除模态混叠,不仅适用于单一暂态扰动检测,对复杂非平稳扰动也能取得较好效果。

摘要： 随着长江南京段及下游12.5 m深水航道工程的全线贯通,长江江苏段航道大气环境的治理,亟待新的航行条件下大气污染物的排放情况作为基础.在长江江苏段选择研究区域,应用船舶动力法对船舶大气污染物排放进行测算,在船舶大气污染物质量浓度数据分析中引入HHT变换.结果表明:研究区域内污染物平面浓度呈周期性分布,SO2波动区间集中于0～0.10 mg/m2,NOx集中于0～6.19 mg/m2,PM2.5集中于0～0.25 mg/m2,CO集中于0～0.74 mg/m2,VOCs集中于0～0.98 mg/m2;各类污染物总量随时间的波动趋势基本一致.污染物浓度数据的波动均为低频长周期波动,影响波动的主要为长周期因素.

摘要： 针对电能质量扰动检测精度低和抗干扰性弱的问题,提出了一种基于能量收敛因子与PSO优化的VMD-HT方法.首先通过改进的VMD方法自适应地选择k和 α的最优取值,然后通过Hilbert变换求取VMD分解后IMF分量的瞬时幅值-频率仿真图,定位扰动发生的起止时刻,实现电能质量扰动的检测.通过加入白噪声模拟实际电能质量扰动和随机改变电能质量扰动数学模型的起止时刻,进行大量检测仿真实验.结果显示,其暂态振荡扰动信号在含20 dB白噪声的环境下发生的起止时刻检测精度相较于HHT分别提高了0.007 s和0.006 s,且其检测误差在0.003 s内的概率达到99.84％.复合电能质量扰动等检测仿真实验结果也表明,改进的VMD-HT方法相较于传统的HHT方法具有更好的检测效果,避免了因EMD容易发生模态混叠的现象导致检测精度低、抗干扰性弱和容错性差的问题.

摘要： 为了对煤矿主要通风机故障信息进行实时诊断,以通风机振动信号为研究对象,利用小波降噪和HHT变化的方法对煤矿主要通风机的振动信号进行处理,并利用模糊神经网络理论建立了通风机故障诊断系统.通过实际验证,证明了该故障诊断系统是可行的、可靠的,为确保煤矿主要通风机稳定运行提供了技术保障.

摘要： 介绍了HHT理论及其实现方法。分析了利用HHT理论和瞬态信号进行机械故障诊断时常用故障特征提取方法的不足。针对瞬态信号中所包含的故障特征随时间的变化而变化的特点，研究了将瞬态频率相对基准转速“定常化”，再与边际谱理论相结合的瞬态信号特征提取方法。算例分析验证了该方法的有效性。

摘要： 介绍了HHT理论及其实现方法。分析了利用HHT理论和瞬态信号进行机械故障诊断时常用故障特征提取方法的不足。针对瞬态信号中所包含的故障特征随时间的变化而变化的特点，研究了将瞬态频率相对基准转速“定常化”，再与边际谱理论相结合的瞬态信号特征提取方法。算例分析验证了该方法的有效性。

摘要： 介绍了HHT理论及其实现方法。分析了利用HHT理论和瞬态信号进行机械故障诊断时常用故障特征提取方法的不足。针对瞬态信号中所包含的故障特征随时间的变化而变化的特点，研究了将瞬态频率相对基准转速“定常化”，再与边际谱理论相结合的瞬态信号特征提取方法。算例分析验证了该方法的有效性。

摘要： 介绍了HHT理论及其实现方法。分析了利用HHT理论和瞬态信号进行机械故障诊断时常用故障特征提取方法的不足。针对瞬态信号中所包含的故障特征随时间的变化而变化的特点，研究了将瞬态频率相对基准转速“定常化”，再与边际谱理论相结合的瞬态信号特征提取方法。算例分析验证了该方法的有效性。

摘要： 介绍了HHT理论及其实现方法。分析了利用HHT理论和瞬态信号进行机械故障诊断时常用故障特征提取方法的不足。针对瞬态信号中所包含的故障特征随时间的变化而变化的特点，研究了将瞬态频率相对基准转速“定常化”，再与边际谱理论相结合的瞬态信号特征提取方法。算例分析验证了该方法的有效性。

摘要： 介绍了HHT理论及其实现方法。分析了利用HHT理论和瞬态信号进行机械故障诊断时常用故障特征提取方法的不足。针对瞬态信号中所包含的故障特征随时间的变化而变化的特点，研究了将瞬态频率相对基准转速“定常化”，再与边际谱理论相结合的瞬态信号特征提取方法。算例分析验证了该方法的有效性。

摘要： 针对Hilbeit-Huang 变换(HHT)的不足和现有改进HHT 的局限性,应用时间序列重构矩阵奇异值分解的能量分析方法改进了HHT,并提出了能量门限来识别伪固有模态函数(IMF)的方法.并将改进后的HHT应用到某双转子航空发动机轻、重碰摩故障仿真试验结果的检测中,并与改进前HHT 和小波分析的结果进行了比较,得出了改进后的HHT 的优势,并通过瞬时频率的分析,能够识别出轻、重碰摩的严重程度.

摘要： 针对Hilbeit-Huang 变换(HHT)的不足和现有改进HHT 的局限性,应用时间序列重构矩阵奇异值分解的能量分析方法改进了HHT,并提出了能量门限来识别伪固有模态函数(IMF)的方法.并将改进后的HHT应用到某双转子航空发动机轻、重碰摩故障仿真试验结果的检测中,并与改进前HHT 和小波分析的结果进行了比较,得出了改进后的HHT 的优势,并通过瞬时频率的分析,能够识别出轻、重碰摩的严重程度.

摘要： 针对Hilbeit-Huang 变换(HHT)的不足和现有改进HHT 的局限性,应用时间序列重构矩阵奇异值分解的能量分析方法改进了HHT,并提出了能量门限来识别伪固有模态函数(IMF)的方法.并将改进后的HHT应用到某双转子航空发动机轻、重碰摩故障仿真试验结果的检测中,并与改进前HHT 和小波分析的结果进行了比较,得出了改进后的HHT 的优势,并通过瞬时频率的分析,能够识别出轻、重碰摩的严重程度.

摘要： 针对Hilbeit-Huang 变换(HHT)的不足和现有改进HHT 的局限性,应用时间序列重构矩阵奇异值分解的能量分析方法改进了HHT,并提出了能量门限来识别伪固有模态函数(IMF)的方法.并将改进后的HHT应用到某双转子航空发动机轻、重碰摩故障仿真试验结果的检测中,并与改进前HHT 和小波分析的结果进行了比较,得出了改进后的HHT 的优势,并通过瞬时频率的分析,能够识别出轻、重碰摩的严重程度.

摘要： 本发明公开了HHT在制备人体β‑冠状病毒复制抑制剂中的应用。发明人通过研究首次发现，HHT不仅对蛋白合成的第一步具有良好的抑制作用，而且出人意料地对蛋白合成延伸的每一步都有抑制作用，其可以更好地抑制长蛋白的合成。由于HCoV‑HKU1、HCoV‑OC43、SARS‑CoV、MERS‑CoV和SARS‑CoV‑2等β属冠状病毒有更长的ORF，对HHT更为敏感，因此HHT对其具有更好的复制抑制效果，从而为控制冠状病毒的复制提供了可行的方案。通过细胞实验和利用动物模型，发明人首次证实了HHT治疗β属冠状病毒(包括SARS‑CoV‑2)导致的疾病的效果。

摘要： 本发明涉及在广域测量系统中对低频振荡模态辨识技术问题，提出基于SURE小波消噪和改进HHT的低频振荡分析方法，首先利用SURE小波消噪进行振荡信号预处理，而后采用改进HHT方法进行模态辨识。首先，对于含较强噪声的电网测量低频振荡信号，采用SURE小波消噪实现信号预处理；其次，对预处理的低频振荡信号做CEEMD，用排列熵方法对各个IMF分量进行筛选，改进经验模态分解，从而改进低频振荡的HHT分析。本发明有效抑制经验模态分解中模态混叠和伪分量现象，无需定阶、辨识准确，在电力系统低频振荡辨识中具有较好的应用价值。

摘要： 本发明是一种基于HHT与神经网络的复合材料板分层缺陷空耦超声检测方法。本发明涉及复合材料缺陷检测技术领域本发明通过确定空耦换能器激励频率与倾角；进行EMD分解，提取出固有模态函数；建立BP神经网络，并进行网络学习；基于建立的BP神经网络对分层的缺陷深度、宽度和长度进行识别。在检测过程中以空气作为传输媒质代替了传统超声无损检测中的耦合剂，因而可以从根本上避免耦合材料对待测件带来的二次污染问题，使得在检测过程中具有完全无接触、无侵入和无损害的优势延长空气耦合超声换能器的使用寿命，使得空耦超声Lamb波检测实现在线快速检测，适用于不可使用耦合剂进行接触检测的复合材料板的分层缺陷超声检测。

摘要： 本发明公开了一种基于HHT和ResNet18的单相接地故障类型综合辨识方法，获取故障录波装置采集的实时故障录波数据；进行故障录波数据预处理，并进行基于HHT的时频分解，得到对应的时频信息特征；构造处理后的故障录波数据的时频信息特征样本集，划分为训练集和测试集；基于ResNet18构建单相接地故障类型辨识模型并进行预训练；利用训练好的单相接地故障类型辨识模型，基于故障录波数据辨识出其具体的故障类型。本发明基于希尔伯特‑黄变换对录波数据初步处理突出不同故障类型的特点；利用ResNet18模型对数据集进行学习，提取得到与故障类型强相关的复杂非线性特性，实现端到端的故障类型辨识；根据辨识结果，可为后续制定有针对性的故障处理措施提供可靠依据。

摘要： 本发明公开了基于形态学滤波和HHT变换的铁道车辆轮轨故障诊断方法，包括采集车辆轴箱振动加速度响应信号作为轮轨故障诊断的信号；首先对信号进行形态学滤波处理，然后EEMD分解得到若干个固有模态函数，再通过能量熵增量来剔除分解后的虚假分量，最后对有效分量再进行HHT变换得到Hilbert谱，通过不同轮轨故障下Hilbert谱的特征来实现轮轨故障的诊断。本发明采用车轮轴箱垂向振动加速度可作为轮轨故障诊断的信号源；使用DIF差值形态滤波器不仅降噪效果好而且可以有效地提取信号中的冲击成分。使用EEMD能够对降噪的信号进行有效分解，依据各阶IMF分量能量熵增量的相对大小可以筛选出包含故障信息较多的IMF分量作为主分量，对主分量进行HHT变换可得到Hilbert谱。

摘要： 本发明公开了一种基于HHT的智能脉搏病理特征甄选分类识别系统，包括脉搏采集模块、脉搏预处理模块、脉搏特征处理模块、卷积神经网络；同时本发明还提供一种一种基于HHT的智能脉搏病理特征甄选分类识别方法；本发明其能获取脉搏完整特征，并把时域及频域特征进行融合作为卷积神经网络的输入进行人体脉搏特征的识别及分类，简单的卷积神经网络结构设计降低了计算成本，保证了分类准确率。

摘要： 本发明公开了基于HHT能量和最大李雅普诺夫指数的蛇行分类方法，包括以下步骤：S1、通过对仿真获得的不同运行状态下的构架横向加速度信号进行频域及周期性分析，确定蛇行分类阈值；S2、对实时采集的构架横向加速度信号进行HHT能量计算和最大Lyapunov指数分析，得到对应的HHT能量值和最大Lyapunov指数，并根据蛇行分类阈值对其进行蛇行分类及蛇行程度确定，完成当前蛇行分类。本发明利用HHT能量法与最大Lyapunov指数相结合，对车辆系统进行不同运行状态的定性识别和蛇行程度大小的定量分析，以实现对蛇行运动的具体监测。

摘要： 本发明公开了一种基于HHT‑BMVO‑BP的短期风速预测方法，包括获取风速数据，并对数据进行归一化处理后得到原始风速序列，用HHT对风速信号进行分解得到一系列分量，对于HHT分解后得到的各个分量分别建立对应的BMVO‑BP模型，将各个分量样本数据导入对应建立好的模型中进行预测。BMVO‑BP组合模型中进行BP神经网络权值与阈值寻优并进行风速序列的预测，将组合模型中预测的各风速子序列进行重构，进而得到最终的风速预测值。本发明可以大大的提高风速预测的精准性。

摘要： 本申请公开了基于WPT‑HHT的小电流接地故障区段定位方法，涉及电网故障检测的技术领域，包括：选取故障时刻起1/2个工频周期内各区段检测点的零模电流信号，并进行分解与重构，得到多个窄带信号；对多个窄带信号进行经验模态分解，计算经验模态函数IMF及其与零模电流信号之间的相关系数；选取大于阈值的相关系数对应的经验模态函数IMF进行Hilbert变换，并计算各区段检测点的零模电流信号的分块时频矩阵；根据分块时频矩阵，计算相邻两个区段检测点之间的相关系数，选取相关系数的最小值对应的相邻两个区段检测点，记作故障区段。通过本申请中的技术方案，有助于提高小电流故障定位方法的准确率，快速确定故障区段。

摘要： 本发明公开了一种能够处理非线性非平稳信号，并且在将信号进行时频转换后，对任意长度的时间信号都能处理识别的基于HHT频带能量特征和卷积神经网络的核素识别方法。该基于HHT频带能量特征和卷积神经网络的核素识别方法采用HHT对完整的核脉冲信号进行特征提取，根据不同核素在Hilbert边际谱的不同频带上能量趋势的差异性，把能量趋势作为脉冲信号的特征，选择一维卷积神经网络作为分类器进行核素识别。采用该基于HHT频带能量特征和卷积神经网络的核素识别方法不用不断调整分析参数，提高了核素识别方法的自适应性；能够避免以往基于脉冲进行核素识别仅使用部分信号特征的缺点，其次识别速度快，准确率高。