一、希尔伯特-黄变换的端点延拓(论文文献综述)
霍延[1](2020)在《基于EEMD与改进EMD的脑电信号的特征提取方法》文中提出脑-计算机接口(Brain-computer Interface,BCI)创建了一个新的通信通道,并产生从大脑皮层到接收装置的信号。该技术主要运用的是非侵入方法,脑电(Electroencephalography,EEG)是常见的建立BCI技术的方法。近年来,由于神经学科、模式识别、信号处理和电子测量技术的推动,脑机接口技术引起了越来越多的关注。其包含五个主要部分,其中如何提取出脑电信号的有效特征并提升分类的正确率是脑机接口技术探讨的重点。论文的研究对象是提取的想象运动脑电信号,先对于EEG信号作相关描述,并进行EEG信号特征提取的方法研究,最终实现了对脑电信号的特征提取以及分类的研究。主要包含以下几个方面:(1)由于EEG信号的非线性特性,采用非线性方法可以有效的获得EEG信号的特征。论文采用集合经验模式分解联合近似熵的方法实现EEG信号的特征提取,将获得的特征作为支持向量机的输入来进一步完成分类,该方法的分类精确度为93.3%,表明了该方法的有效性。(2)基于公共空间模式(Common Spatial Pattern,CSP)滤波器的方法不能找到与运动想象相关的脑活动的多个频率带,这将会影响想象运动BCI技术的最终结果。为了解决这个问题,论文提出了集合经验模式分解结合有限冲击响应(Finite Impulse Response,FIR)滤波器组与CSP的EEG信号特性提取的方法。该方法在公共空间模式的基础上结合了集合经验模式分解算法(Ensemble Empirical Mode Decomposition,EEMD)的频域信息,而且通过滤波器组过滤优化,来用于从想象运动任务中提取信号的特性并对其进行分类以得到较好的准确性。该方法分类精确度达到96.53%。(3)针对经验模式分解存在的过包络、欠包络与端点效应问题,论文提出了一种改进的经验模式分解(Empirical Mode Decomposition,EMD)。论文用分段三次hermite插值算法代替三次样条插值算法解决EMD方法中的过包络与欠包络现象;并且在分解过程中加入镜像延拓算法减少端点效应。通过对模拟信号仿真,比较相关系数、均方根误差、信噪比表明改进后的EMD优于传统的EMD。此方法运用在想象运动EEG信号上,将其与经验模式分解的实验结果进行对照,结果表明了改进后的EMD能够有效的解决过包络、欠包络与端点飞翼问题。
范开国,梁建军,韦道明,王亚锋,方芳,鱼蒙[2](2021)在《EMD端点延拓新方法SAR遥感图像实例应用》文中研究指明经验模态分解(EMD)是希尔伯特-黄变换(HHT)过程的重要部分,其核心技术难点为端点延拓.本文基于目前各种EMD端点处理方法分析基础上,紧紧围绕如何防止端点发散这么一个关键点,开发了一种高效简便的EMD固定端点延拓新方法.利用该新方法,对线性仿真信号、非线性仿真信号和合成孔径雷达(SAR)遥感图像真实信号进行了经验模态分解,分解结果表明,利用EMD固定端点延拓新方法可以把每次分解的结果误差限制在较小的范围,对信号不会产生较大的污染,而且得到的分解结果能有效反映信号的真实调制,在实际SAR遥感图像应用过程中在具有很好的有效性和可行性.
张志平[3](2020)在《异步电动机在线状态监测与故障诊断系统的研究与应用》文中研究指明异步电动机在工农业等领域应用越来越广泛,但运行工况也越来越复杂。即使对它定期检修也难免会出现各种故障。单机出现故障会导致整条生产线停机停产从而造成巨大的经济损失。因此,对异步电动机在线状态监测和故障诊断进行研究和应用,对有效改善生产安全性,提高生产效率,减少故障停机率具有重要工程应用意义。本文研究了鼠笼式异步电动机转子断条、轴承缺陷、缺相、转子不平衡和基础松动的故障机理,进行了严谨的理论推导。针对转子断条故障分量容易被基波淹没的问题,提出了巴特沃斯带阻滤波器对基波分量抑制或削弱解决方案,有效突出了故障分量。对于轴承故障、不平衡以及基础松动问题,通过设计巴特沃斯低通滤波器对振动信号滤波,来排除高频噪声的影响。对电机故障诊断现有的算法做了研究,分析了其优缺点,提出基于巴特沃斯滤波和相关理论相结合的改进型希尔伯特-黄变换算法,将本征模态函数与原始信号做相关分析来判断本征模态函数的真假性,可以有效解决虚假分量和模态混叠问题。基于LabVIEW建立了一个异步电动机在线监测与故障诊断系统,以NI6009数据采集卡为核心采集电流和振动信号,将传感器数据以OLE字段格式存储于Access数据库中,实现了数据采集和实时监测,设备异常时通过报警指示及时发现早期故障。通过调用变体至数据转换功能从数据库中读取数据,以改进的希尔伯特-黄变换算法为主、快速傅里叶变换和时域统计分析为辅建立一个综合分析平台。充分利用了 LabVIEW良好的人机交互界面,克服了 LabVIEW和MATLAB联合编程硬件开支大、算法运行缓慢等问题。基于该系统对电机典型故障,如:转子断条、轴承缺陷、转子不平衡、以及基础松动和转子断条复合故障进行了实验验证,通过改变供电频率和负载大小进行大量实验室分析与优化,使该系统具备工程应用条件。通过实验和工程现场的测试证明该系统对于异步电机的在线监测和故障诊断可靠性高、监测与诊断准确,具有良好的理论和实用价值。
崔京楷[4](2020)在《基于希尔伯特-黄变换的电力谐波检测技术研究》文中研究指明近年来,随着电力系统的逐渐完善,越来越多的非线性电子器件在应用其中,由此引发的谐波问题日益增重,对用户安全和设备的正常运转产生危害。谐波检测方法的研究是治理谐波的前提,根据检测结果,采取合适的谐波抑制措施,具有重要的实际意义。本文从以下五个方面展开工作:1.从谐波的基本理论出发,构建谐波分析框架,探讨了国内外常用的几种谐波检测方法各自的优势及缺陷,针对传统方法的缺陷,采用希尔伯特-黄(HHT)方法对谐波分析,并且对HHT应用于电力谐波检测的发展历程进行总结。2.介绍HHT基本理论,对经验模态分解(EMD)过程和希尔伯特变换(HT)原理详细叙述,讨论HHT中存在端点效应、虚假分量以及模态混叠问题。3.针对HHT谐波检测存在的端点效应问题进行研究。将极值延拓、镜像延拓、平行延拓和斜率再优化(RO-SBM)延拓四种端点效应抑制方法用于谐波信号处理,通过四种方法的对比实验表明:RO-SBM能够有效抑制HHT谐波信号处理中的端点效应。进而将RO-SBM延拓与HHT谐波检测相结合(RO-SBM-HHT),采用该方法能够抑制端点效应,提高谐波检测精度。4.针对HHT谐波检测中的模态混叠及虚假分量问题进行了研究。HHT谐波信号处理中模态混叠的原因是由于信号中存在2倍频以内的信号。针对该原因,采用高低通滤波技术可以有效地解决模态混叠问题。但不同类型的滤波器选择会影响模态混叠的抑制效果。通过对巴特沃斯型、切比雪夫1型、切比雪夫2型、椭圆型高通、低通滤波器在谐波检测中的应用分析,得出切比雪夫1型高低通滤波器更能有效抑制模态混叠。针对虚假分量问题,采用能量比值法计算出IMF分量与原信号之间的能量比值,再根据比值的大小进行虚假分量的识别和剔除。在RO-SBM-HHT谐波检测算法基础上,结合模态混叠抑制以及虚假分量剔除方法,提出了一种自适应RO-SBM-HHT谐波检测算法,该算法能够通过IMF分量瞬时频率落差大小的识别,自适应地选择相应的方法对谐波检测中的端点效应、模态混叠问题进行抑制,并对虚假分量进行剔除,从而最终提高谐波参数的检测精度。5.将自适应RO-SBM-HHT谐波检测算法应用到谐波测量分析中,借助MATLAB对配电网中平稳和波动谐波信号进行仿真,并与FFT或小波变换方法进行对比分析,结果表明:本文算法可以对谐波信号进行有效分解,能够有效抑制端点效应、模态混叠现象,剔除虚假分量。该算法的谐波参数及波动起止时间的检测精度优于其他算法。模拟实验数据分析表明,本文算法的幅值和频率测量都在误差范围内,检测精度优于FFT算法,具有一定的实际应用性。
石家豪[5](2020)在《基于希尔伯特-黄变换的不同阶段轻度认知障碍诊断方法》文中研究指明轻度认知障碍(MCI)是阿尔兹海默症(AD)的前驱阶段,对轻度认知障碍所处阶段的精确诊断具有重要意义。本文旨在通过对静息态功能磁共振成像(rs-fMRI)信号进行直接分析建立诊断不同阶段(早期和晚期)的轻度认知障碍的分类框架,并通过总正确率,特异性(晚期MCI的正确率)和敏感性(早期MCI的正确率)评价其分类性能。通过应用解剖自动标记(AAL)模板,将受试者的所有fMRI图像分割为116个感兴趣区域(ROI),并提取每个ROI的平均rs-fMRI信号。将希尔伯特-黄变换(HHT)引入到框架中,从多分辨率的角度分析这些非平稳和非线性时间序列,将每个rs-fMRI信号分解为一系列本征模式函数(IMF)。在获得信号的所有IMF的瞬时频率和振幅后,计算希尔伯特加权频率(HWF)并将其组合为向量,作为相应ROI的特征。随后利用支持向量机(SVM)实现不同阶段MCI的分类。我们使用独立双样本t检验作为特征选择方法,并通过留一交叉验证(LOOCV)方法测量了分类性能。本文提出的方法在来自阿尔茨海默症神经影像学计划(ADNI)的77例早期MCI(e MCI)和64例晚期MCI(l MCI)的数据集上分类准确率达87.94%。这项工作已证实了先前研究发现的一些大脑区域具有显着差异。我们发现,HWF特征在所有小脑区域均表现出明显的下降趋势。大脑不同区域的rs-fMRI信号并未在全频段改变,而是仅在某些狭窄的频带中发生变化。分析结果表明,在MCI进展过程中,rs-fMRI的主要变化集中在IMF3中,而具有其他序号的IMF也包含具有高SVM权重的HWF特征,例如眶部额上回的IMF2,脑岛的IMF4和小脑区域的LobuleⅢ的IMF5,表明其他IMF也同样为MCI诊断提供重要信息。本文证实了基于HHT的分类框架在MCI不同阶段的分类中的分类能力。通过分析,我们发现在MCI的发展过程中,rs-fMRI的主要变化集中在IMF3,而HWF特征在所有小脑区域均表现出明显的下降趋势。
殷杰[6](2020)在《基于Hilbert-Huang变换的核电上充泵故障诊断方法研究》文中研究指明核电上充泵是核电站中至关重要的设备,为了确保上充泵稳定运行,需要对其运行过程的振动信号进行监测,通过使用信号处理技术对信号进行分析,识别其故障特征,并在故障发生的初期进行处理。由于大多数旋转机械的故障信号具有非线性、非平稳的特征,而Hilbert Huang变换(HHT)在处理这类信号具有优势,该方法已经普遍运用到故障诊断、语音处理、指数预测和工程振动等领域。但目前Hilbert Huang变换还存端点效应的缺点,在信号的两端无法正常的分解,针对这个问题,本文进行了改进,并通过Matlab仿真与实际故障实验验证改进的有效性,本片论文具体工作如下:1简单介绍了本课题的研究目的和意义,分析了核电上充泵的结构组成,对离心泵的故障诊断从国内外研究现状进行探讨,接着介绍了常见的时频分析方法:短时傅里叶变换、魏格纳分布、小波变换及HHT,并结合信号的特征对信号处理方法进行对比,确定本文的方法,针对核电上充泵常见的几种故障进行分析,通过力学模型阐明齿轮故障、滚动轴承故障及转子碰摩故障的频域特性;2针对HHT中经验模态分解时的端点效应,用图例说明产生的原因及端点效应导致的后果,接着采用基于波形匹配和最小范数和的端点延拓方法对EMD进行改进,通过计算机仿真将本文延拓方法与其他几类延拓方法对比,验证了有效性;3为分析核电上充泵机组内的齿轮箱故障与XJTU-SY轴承数据集内的轴承故障,使用改进HHT算法分解信号,准确判断了其故障,接着对核电上充泵进行了耐久性试验,试验中,在线状态监测系统观测到了非驱动端垂直方向多倍频增加与一倍频降低的现象,通过转子碰摩频域特征与对应轴瓦温度变化率进行诊断,最后与实际拆修现象对比,表明转子因不平衡而引起了上轴瓦碰摩故障;4提出一种基于改进粒子群的多级泵叶轮装配优化工艺,以解决多级转子在安装过程中的无序现象,经过优化装配相位,可以有效的降低转子在低速和高速动平衡实验中的振动幅值,为核电上充泵不平衡故障比率的降低做了贡献;5采用Matlab GUI对本文涉及的程序开发其人机界面,并集成了时域分析、频域分析和现场动平衡程序,结合本文HHT分析与转子不平衡优化,构建了核电上充泵故障诊断系统。
吕文[7](2020)在《大坝结构振动信号的HHT分析与应用研究》文中提出随着我国新能源行业的蓬勃发展,水电在我国电力供应中的地位变得越来越重要。西藏地区水力资源丰富,蕴藏量居全国第二,目前已建成水电站400余座,但由于西藏位于喜马拉雅—地中海地震带上,地质活动频繁,一旦因地震引起溃坝后果不堪设想,所以研究大坝对地震振动的响应具有重要的现实意义。本文以希尔伯特—黄变换(HHT)分析法作为地震振动信号的主要分析方法,采用MATLAB、ABAQUS等辅助软件为计算工具,从共振频率、振动加速度、振动能量三个维度对大坝结构在地震振动激励下的响应过程进行了分析,为后续大坝的抗震设计提供理论参考。本文基于HHT分析方法做了以下的工作:(1)针对经验模态分解过程中存在的端点效应问题进行研究,通过分析比较得出最适合大坝振动信号的端点效应抑制方法—神经网络法。将两个低频信号叠加成复合信号,使用HHT对此模拟信号进行分析,几乎完整的复原了原始信号的全部物理信息,验证了HHT分析方法对地震振动信号的自适应性、准确性和合理性。同时,验证了神经网络算法对端点效应良好的抑制作用。最后用HHT对真实的地震振动信号进行分析,计算出各IMF分量的能量在总能量中所占百分比,结果表明地震振动能量主要集中在低频区域,特别是6 21Hz之间,该频带内的能量占总能量的99.1%,能量在高频分布较少,约占0.9%。大坝自身的共振频率应避免在6 21Hz之间,以减少共振对大坝造成的破坏,为以后大坝结构抗震设计提供理论依据。(2)根据西藏某大坝的真实参数,利用ABAQUS进行大坝的三维数学建模,得到基于无限元法的大坝三维仿真模型。对大坝模型进行振动加速度响应分析,从结果中可以看出,坝轴向、顺河向、竖直向都出现了强震阶段(3~6.5s),且对振动加速度都具有放大效应,但是由于阻尼作用,坝顶的加速度时程曲线与输入地震波相比均呈现滞后现象。同时随着坝体高程的增加,顺河向和坝轴向振动加速度的放大系数呈递增趋势。(3)首先根据能量谱分析法对大坝振动能量极值与输入地震波极值的时间关系进行分析,证明振动响应的第一次能量极值时间总是明显滞后于首次激励的最大能量极值时间,并且大坝顺河向、坝轴向和竖直向达到能量极值的时间不一致,顺河向最先达到能量极值,而竖直向最后达到能量极值。然后在竖直方向依次选取8个测点,经测试发现随着高度的增加,振动能量的放大倍数越来越大,坝顶的振动能量明显大于坝底,这要求加强坝顶的抗震性设计。同时,顺河向振动能量放大倍数明显要高于坝轴向和竖直向,竖直向振动能量放大倍数变化较小,这说明顺河向是大坝振动能量的集中方向,为大坝结构的抗震性设计提供理论支撑。
高鸣蕾[8](2019)在《基于EMD的肺音信号去噪及特征提取方法研究》文中进行了进一步梳理随着现代医疗科技的快速发展,肺音信号分析作为肺部疾病诊断最主要的方法之一,已逐渐成为人们研究的热点。肺音信号是一种声音信号,蕴含着丰富的生理、病理及器官机能信息,也是一种典型的非线性非平稳的多分量信号。肺音信号的采集、去噪处理、分类识别的研究与应用对于医师实现高效的诊疗具有很重大的临床意义。EMD(Empirical Mode Decomposition,经验模式分解)算法是一种优秀的分析多分量非线性非平稳信号的自适应数据驱动方法,被广泛应用于时频分析领域。因此,本文对EMD算法及肺音信号的处理与分析进行了详细的研究,主要内容如下:(1)提出了一种基于相关系数的RPSEMD改进算法,并与小波软阈值结合对肺音信号进行了去噪方面的研究。首先针对EMD算法中的模态混叠问题,分析了模态混叠问题产生的原因及解决模态混叠问题的两种思路,分别对这两种思路的典型算法包括EEMD(Ensemble Empirical Mode Decomposition,集合经验模式分解),RPSEMD(Regenerated Phase-Shifted Sinusoid-Assisted Empirical Mode Decomposition,再生相移的正弦波辅助经验模式分解)进行了深入的研究,总结了两种典型算法的特点,并在RPSEMD过程中嵌入循环去相关操作,更好地解决了模态混叠问题,减少了细节信息的丢失。最后,在上述研究的基础上,结合肺音信号处理中的去噪问题,将改进后的RPSEMD算法与小波软阈值相结合对肺音信号进行去噪处理,通过对采集到的肺音信号的实验,验证了该方法的有效性。(2)基于希尔伯特-黄变换对肺音信号特征提取进行了研究,针对现有的信号分析方法在时频分析方面的不足,分析了希尔伯特-黄变换的算法思想,该算法在EMD算法的基础上,对分解得到的一系列基本模式分量进行希尔伯特变换,可以得到完整的有关时间、频率和幅值的三维时频谱图。在此基础上,以3种肺音信号(正常音、啰音、哮鸣音)为样本数据,对每类肺音信号的一个呼吸周期数据进行希尔伯特-黄变换,得到希尔伯特边界谱,可以发现三类肺音信号的希尔伯特边界谱有很明显的差异,并对其进行理论分析,从中提取出有效的特征向量,并基于人工神经网络,支持向量机和K最近邻算法分别构建分类器,对3种肺音信号进行识别与分类,实验表明,该方法能够有效地识别出正常音,啰音和哮鸣音。
孙泗棍[9](2019)在《基于HHT谐波检测的T型三电平有源电力滤波器控制技术研究》文中进行了进一步梳理随着科学技术的进步和电力装置的普及,改善电网的供电质量势在必行。供电质量主要涉及电压跌落、频率异常、谐波等方面,谐波作为威胁电网可靠运行的主要因素,其含量越大,用户设备发热越强,进而设备的寿命更短。目前,在谐波抑制上有源电力滤波器取得了较多的关注,但主要是应用在三相系统,而对于单相有源电力滤波器的研究还是相对贫乏。在拓扑方面,有源电力滤波器以两电平结构居多,但因电压利用率不理想、能量损失多、经济性差等因素,导致其主要在中低压功率的场合中得以应用。在此背景下,多电平变换器愈发受到青睐。本文以单相T型三电平有源电力滤波器为实时控制对象,分析了其主要的工作原理并建立了相应的数学模型。在控制策略方面,谐波检测和补偿控制作为核心技术对滤波效果有着深远影响。本文中,谐波检测采用希尔伯特黄变换,该方法具有自适应特点,在处理非线性信号上具有明显优势,且治理动态谐波时精度较高。补偿控制使用双闭环控制结构,内环是电流跟踪环,采用的是PID控制技术,外环是直流侧电压控制环,采用的是线性自抗扰控制技术。单相T型三电平的调制采用电压空间矢量,该策略相较三相系统具有矢量少、分区简单、实现容易等优点。为验证本文所提理论,首先在Matlab/Simulink软件上搭建仿真模型并分析其理论可行性。而后,以德州仪器(Texas Instruments,TI)的TMS320F28335为核心控制器,Infineon公司的F3L100R12W2H3B11为主电路,设计额定功率为2.2kVA的实验样机。此外,在Code Composer Studio上编写相应控制算法程序,再通过Labview搭建的上位机监控界面与样机取得通信,实现系统的控制与监测。最后,进行样机实验和波形分析验证本文所提方法具备实际可行性。仿真和样机的实验表明,基于希尔伯特黄变换的谐波检测算法具有优越的谐波提取能力,线性自抗扰控制技术对电压环的控制具有更强的抗扰性和快速性,将两者应用在有源电力滤波器上能有效降低网侧电流的谐波,使电网的电能质量符合标准。
杨应[10](2019)在《HHT方法研究及其在地震储层预测中的应用》文中指出地震信号是一种典型的时变非平稳信号,其中隐含丰富的地质信息,如何利用地震资料更加有效地进行储层预测成为地球物理领域的一大研究热点。时频分析方法能够提供一种时频联合的信号表征方式,将地震信号从一维时间域变换至二维的时频域,反映地震信号频率及能量的时变特征,有效挖掘其中隐含的信息,在储层预测中得到广泛应用。基于傅里叶变换思想的时频分析方法在处理地震信号时存在较大的局限性。希尔伯特黄变换(HHT)是一种适用于时变非平稳信号的时频分析方法,能够更好的反映地震数据的时变特性,大大提高时频分辨率。常规的HHT存在端点效应和模态混叠现象,制约了 HHT在地球物理领域的广泛应用。本文针对HHT存在的问题进行了深入研究,发展了基于快速集合经验模态分解(FEEMD)的地震属性分析方法,并运用于塔河区块的储层预测。论文通过模拟信号的仿真计算,对比分析了短时傅里叶变换(STFT)、连续小波变换(CWT)、S变换(ST)以及HHT。STFT计算方法简单,时频分辨率单一;CWT能够多尺度地分析信号,存在频谱能量泄露的问题;ST具备多分辨率特性以及自适应性,存在时间和频率分辨率不能兼顾的问题。HHT能根据信号自身特点自适应地将信号分解为单分量或窄带信号,能同时兼顾时间和频率分辨率,时频分析精度更高,但存在端点效应和模态混叠问题。针对HHT的端点效应和模态混叠问题,论文研究了分段三次埃米尔特多项式包络拟合方法、信号局部特征值延拓、集合经验模态分解(EEMD)以及快速集合经验模态分解(FEEMD)方法,提出了优化的FEEMD(IFEEMD)算法,有效改善了 HHT的端点效应和模态混叠问题,提高了时频分析精度和运算效率。在IFEEMD方法的基础之上进行了地震瞬时谱分解研究,提出了 IFEEMD-HSA地震瞬时谱分析方法以及IFEEMD-TK能量算子分析方法,并发展了归一化的能量吸收指数,直观地反映地震信号低频和高频的能量差异。为进一步提高储层预测的精度,论文研究了语音信号中基于谱的相关特征提取方法,在地震信号IFEEMD-HT边际谱的基础之上,利用Mel倒谱系数方法提取地震数据的相应参数,得到一种新的地震属性—地震声纹属性。基于单一属性的储层预测往往存在多解性,采用属性融合方法对能量吸收指数和地震声纹属性进行融合,从而进行储层综合预测。本研究成果在一定程度上提高了地震资料的解释精度,为地震储层预测提供了新的技术支持。在塔河区块储层预测中取得了良好的效果,有效提高了预测精度,降低勘探风险。
二、希尔伯特-黄变换的端点延拓(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、希尔伯特-黄变换的端点延拓(论文提纲范文)
(1)基于EEMD与改进EMD的脑电信号的特征提取方法(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 脑机接口技术 |
1.1.1 脑机接口的概念和意义 |
1.1.2 脑机接口的分类与组成 |
1.2 脑电信号以及外部设备 |
1.2.1 脑电信号基础知识 |
1.2.2 脑电信号的产生原理 |
1.2.3 脑电信号的分类 |
1.2.4 脑电信号的特点 |
1.3 脑电信号特征提取算法的发展研究 |
1.4 论文结构与主要研究内容 |
第二章 脑电信号处理方法 |
2.1 脑电信号特征提取方法与原理 |
2.1.1 时域分析 |
2.1.2 频域 |
2.1.3 时频分析 |
2.1.4 空间分析法 |
2.1.5 非线性动力学分析 |
2.2 常见分类方法与原理 |
2.2.1 人工神经网络 |
2.2.2 K邻近算法 |
2.2.3 朴素贝叶斯分类器 |
2.2.4 支持向量机 |
2.3 本章小结 |
第三章 基于EEMD与近似熵的特征提取方法 |
3.1 脑电信号数据集描述 |
3.2 特征提取算法 |
3.2.1 小波变换 |
3.2.2 EEMD |
3.3 实验结果 |
3.3.1 小波分解结果 |
3.3.2 EEMD处理结果 |
3.3.3 近似熵处理 |
3.3.4 实验结果分析 |
3.4 本章小结 |
第四章 基于EEMD和 CSP融合FIR的脑电信号特征提取 |
4.1 EF-CSP算法 |
4.2 CSP分解 |
4.3 实验结果 |
4.3.1 预处理结果 |
4.3.2 EEMD处理 |
4.3.3 FIR滤波器 |
4.4 .实验结果分析 |
4.4.1 实验结果 |
4.4.2 不同实验比较 |
4.4.3 与BCI竞赛成绩比较 |
4.5 本章小结 |
第五章 基于分段三次hermite与镜像延拓的改进EMD算法 |
5.1 Hermite插值 |
5.1.1 分段三次hermite插值算法 |
5.2 抑制端点效应方法 |
5.2.1 镜像延拓 |
5.2.2 匹配延拓 |
5.2.3 多项式拟合延拓法 |
5.3 改进的方法 |
5.3.1 基于分段三次Hermite插值的EMD算法(PC-HEMD) |
5.3.2 改进的EMD算法(MPC-HEMD) |
5.3.3 评估方法 |
5.4 模拟信号分析 |
5.5 实际脑电信号分析 |
5.5.1 改进EMD分解结果 |
5.5.2 性能比较 |
5.5.3 实验结果分析 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 展望 |
参考文献 |
附录1 攻读硕士学位期间撰写的论文 |
附录2 攻读硕士学位期间申请的专利 |
致谢 |
(2)EMD端点延拓新方法SAR遥感图像实例应用(论文提纲范文)
0 引言 |
1 EMD端点延拓新方法 |
1.1 EMD方法 |
1.2 EMD端点延拓新方法 |
2 仿真信号实例应用 |
2.1 线性仿真信号的实例应用 |
2.2 非线性仿真信号实例应用 |
2.3 SAR海洋内波遥感图像实例应用 |
3 结论 |
(3)异步电动机在线状态监测与故障诊断系统的研究与应用(论文提纲范文)
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.3 研究的目的和意义 |
1.4 主要研究内容 |
2 异步电动机故障机理研究 |
2.1 转子断条故障机理研究 |
2.2 轴承故障机理研究 |
2.3 缺相故障故障机理研究 |
2.4 转子不平衡故障机理研究 |
2.5 基础松动故障机理研究 |
2.6 本章小结 |
3 基于希尔伯特-黄变换的电动机故障特征提取 |
3.1 经验模态分解原理 |
3.2 希尔伯特谱分析 |
3.3 EMD算法的改进 |
3.4 本章小结 |
4 异步电动机在线监测与故障诊断系统方案设计 |
4.1 硬件电路分析与设计 |
4.2 基于LabVIEW的上位机界面设计 |
4.3 仿真分析 |
4.4 本章小结 |
5 实验验证与工程应用 |
5.1 实验系统概述 |
5.2 转子断条实验分析 |
5.3 轴承故障实验分析 |
5.4 转子不平衡实验分析 |
5.5 基础松动和转子断条复合故障实验分析 |
5.6 异步电动机监测与诊断系统的工程应用 |
5.7 本章小结 |
6 总结与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
作者简历 |
致谢 |
学位论文数据集 |
(4)基于希尔伯特-黄变换的电力谐波检测技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题背景 |
1.2 谐波问题概述 |
1.2.1 谐波定义及标准 |
1.2.2 谐波危害及影响 |
1.3 谐波检测研究现状 |
1.4 希尔伯特-黄变换谐波检测研究历程 |
1.5 本论文主要工作及创新点 |
1.5.1 主要工作 |
1.5.2 创新点 |
第二章 希尔伯特-黄变换(HHT)谐波检测基础理论 |
2.1 HHT简介 |
2.1.1 HHT变换基本思想 |
2.1.2 HHT主要特点 |
2.2 HHT基本原理 |
2.2.1 IMF的基本概念 |
2.2.2 经验模态分解(EMD) |
2.2.3 Hilbert变换(HT变换) |
2.3 HHT谐波检测方法 |
2.4 HHT谐波检测存在的主要问题 |
2.5 本章小结 |
第三章 RO-SBM-HHT谐波检测 |
3.1 端点效应问题分析 |
3.2 端点效应问题的研究与处理 |
3.2.1 极值延拓法 |
3.2.2 平行延拓法 |
3.2.3 镜像延拓法 |
3.2.4 斜率再优化(RO-SBM)延拓法 |
3.3 RO-SBM-HHT谐波检测算法 |
3.4 仿真测试分析 |
3.4.1 端点效应仿真分析 |
3.4.2 谐波检测仿真分析 |
3.4.3 模拟实验数据分析 |
3.5 本章小结 |
第四章 自适应RO-SBM-HHT谐波检测 |
4.1 模态混叠产生的原因及评判标准 |
4.2 EMD模态混叠抑制方法 |
4.2.1 滤波器类型选择 |
4.2.2 抑制模态混叠的EMD分析步骤 |
4.3 虚假分量的识别以及处理方法 |
4.3.1 虚假分量定义及消除方法 |
4.3.2 能量比值检验法 |
4.4 自适应RO-SBM-HHT谐波检测算法 |
4.5 本章小结 |
第五章 HHT在谐波检测中的应用 |
5.1 配电网中的谐波信号模型 |
5.1.1 谐波信号模型一的仿真与结果分析 |
5.1.2 谐波信号模型二的仿真与结果分析 |
5.1.3 谐波信号模型三的仿真与结果分析 |
5.1.4 谐波信号模型四的仿真与结果分析 |
5.2 模拟实验数据分析 |
5.2.1 模拟实验数据一 |
5.2.2 模拟实验数据二 |
5.3 本章小结 |
第六章 结论与展望 |
参考文献 |
在读期间公开发表的论文 |
致谢 |
(5)基于希尔伯特-黄变换的不同阶段轻度认知障碍诊断方法(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 研究内容及全文组织 |
第2章 研究相关的基本理论 |
2.1 功能磁共振成像基本理论 |
2.1.1 大脑的结构 |
2.1.2 功能核磁共振成像的原理 |
2.2 传统信号处理方法 |
2.2.1 傅里叶变换 |
2.2.2 短时傅里叶变换 |
2.2.3 小波变换 |
2.3 非平稳信号处理方法 |
2.3.1 希尔伯特变换与瞬时频率 |
2.3.2 本征模态函数 |
2.3.3 希尔伯特-黄变换 |
2.3.4 变分模态分解 |
2.4 机器学习分类方法 |
2.4.1 逻辑回归 |
2.4.2 随机森林 |
2.4.3 BP神经网络 |
2.4.4 支持向量机 |
2.5 本章小结 |
第3章 非平稳信号处理仿真实验 |
3.1 引言 |
3.2 仿真实验 |
3.3 本章小结 |
第4章 基于希尔伯特-黄变换的轻度认知障碍诊断 |
4.1 被试数据 |
4.2 预处理 |
4.3 特征提取 |
4.4 特征选择 |
4.5 不同策略组合 |
4.6 实验结果 |
4.6.1 不同组合策略的分类性能 |
4.6.2 不同参数的影响 |
4.6.3 方法鲁棒性 |
4.6.4 重要脑区 |
4.6.5 脑区频率的主要差异 |
4.7 本章小结 |
第5章 分析与讨论 |
5.1 引言 |
5.2 不同组合策略的差异 |
5.3 方法参数影响 |
5.4 方法鲁棒性 |
5.5 特征的物理意义 |
5.6 脑区频率变化与MCI发展的联系 |
5.7 本章小结 |
第6章 总结与展望 |
参考文献 |
发表论文及参加科研情况 |
致谢 |
(6)基于Hilbert-Huang变换的核电上充泵故障诊断方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题来源及研究的目的和意义 |
1.1.1 课题来源 |
1.1.2 研究的目的和意义 |
1.2 国内外研究现状 |
1.2.1 故障诊断研究现状 |
1.2.2 离心泵故障的国内外研究现状 |
1.3 Hilbert-Huang变换的研究现状 |
1.4 本课题来源及主要研究内容 |
第2章 时频分析方法及旋转机械典型故障 |
2.1 引言 |
2.2 故障诊断常用的信号时频分析方法 |
2.2.1 短时傅里叶变换 |
2.2.2 WV分布 |
2.2.3 小波变换 |
2.3 Hilbert-Huang变换 |
2.4 齿轮故障特性分析 |
2.4.1 齿轮故障类型 |
2.4.2 齿轮振动特性 |
2.5 轴承故障特性分析 |
2.5.1 滚动轴承故障类型 |
2.5.2 滚动轴承振动特性 |
2.6 上充泵碰摩故障特性分析 |
2.6.1 上充泵碰摩故障机理 |
2.6.2 上充泵碰摩振动特性 |
2.7 本章小结 |
第3章 HHT基本原理及端点效应的改进 |
3.1 引言 |
3.2 HHT基本原理 |
3.2.1 固有模态函数 |
3.2.2 经验模态分解 |
3.2.3 Hilbert谱和Hilbert边际谱 |
3.3 Hilbert-Huang变换方法对模拟信号的分析 |
3.4 端点效应和改进优化 |
3.4.1 端点效应 |
3.4.2 基于波形匹配和最小范数和的端点延拓 |
3.5 模拟信号分析与对比 |
3.6 本章小结 |
第4章 核电上充泵性能试验与不平衡优化 |
4.1 上充泵故障分析试验 |
4.2 水泵机组齿轮箱故障诊断分析 |
4.2.1 水泵参数 |
4.2.2 测点布置 |
4.2.3 齿轮故障分析 |
4.3 滚动轴承故障分析 |
4.4 核电上充泵耐久性试验现场实例 |
4.4.1 试验方法 |
4.4.2 核电上充泵振动信号特征分析 |
4.4.3 振动故障结果各处理 |
4.5 多级泵转子不平衡优化与试验 |
4.5.1 叶轮的静平衡与动平衡 |
4.5.2 核电上充泵转子高速动平衡优化方案研究 |
4.5.3 核电上充泵转子动平衡试验 |
4.6 上充泵现场不平衡优化 |
4.6.1 三圆平衡法原理 |
4.6.2 三圆平衡法操作步骤 |
4.7 本章小节 |
第5章 基于MATLAB GUI的核电上充泵故障诊断系统 |
5.1 MATLAB软件介绍及GUI的实现方法 |
5.2 GUI设计与编程 |
5.2.1 系统的功能设计 |
5.2.2 系统功能的实现过程 |
5.3 核电上充泵故障诊断系统 |
5.3.1 时域信号分析 |
5.3.2 频域信号分析 |
5.3.3 时频域信号分析 |
5.3.4 基于三圆法的现场动平衡软件 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 结论及创新点 |
6.2 未来研究展望 |
参考文献 |
攻读硕士学位期间取得的成果 |
致谢 |
(7)大坝结构振动信号的HHT分析与应用研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 选题意义 |
1.2 国内外研究现状 |
1.3 传统信号分析与HHT的优缺点对比 |
1.3.1 Fourier变换 |
1.3.2 短时Fourier变换 |
1.3.3 Wigner-Ville分布 |
1.3.4 小波变换及小波包变换 |
1.3.5 HHT变换 |
1.3.6 信号分析方法总结 |
1.4 本文研究内容与章节安排 |
第二章 HHT的基本原理 |
2.1 EMD分解 |
2.1.1 EMD方法的基本原理及算法 |
2.1.2 IMF分量的完备性与正交性 |
2.2 Hilbert变换和Hilbert谱 |
2.2.1 Hilbert变换 |
2.2.2 Hilbert谱分析 |
2.3 本章小结 |
第三章 地震振动信号特性谱分析及端点效应抑制 |
3.1 端点效应抑制 |
3.1.1 端点效应产生原因 |
3.1.2 端点效应表现形式 |
3.1.3 抑止端点效应的方法 |
3.1.4 各种抑制端点效应方法的对比 |
3.2 HHT性能仿真测试 |
3.3 地震振动信号的HHT分析 |
3.4 小结 |
第四章 无限元模型建立 |
4.1 无限元模型建立 |
4.1.1 无限元模型简介 |
4.1.2 大坝无限元模型 |
4.2 ABAQUS中无限元法的基本原则 |
4.3 模型及参数 |
4.4 大坝模型的加速度响应分析 |
4.5 小结 |
第五章 大坝结构能量响应计算与分析 |
5.1 概述 |
5.2 大坝结构振动信号的能量分析方法 |
5.3 大坝顶部能量峰值时间滞后性测试 |
5.4 大坝结构振动能量变化规律 |
5.5 大坝振动能量放大倍数及集中方向测试 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 进一步工作展望 |
参考文献 |
攻读学位期间发表的学术论文与科研情况 |
致谢 |
(8)基于EMD的肺音信号去噪及特征提取方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 EMD算法研究现状 |
1.2.2 肺音信号研究现状 |
1.3 研究内容和主要工作 |
1.4 论文的组织结构 |
第二章 EMD和肺音信号处理相关基础理论 |
2.1 EMD基本理论 |
2.1.1 瞬时频率及基本模式分量 |
2.1.2 EMD算法的基本原理 |
2.1.3 EMD算法的主要性质 |
2.2 肺音信号简介 |
2.2.1 肺音信号的概念及分类 |
2.2.2 肺音信号的时频特性 |
2.3 肺音信号处理基本理论 |
2.3.1 肺音信号去噪相关理论 |
2.3.2 肺音信号特征提取相关理论 |
2.4 本章小结 |
第三章 基于改进RPSEMD与小波软阈值的肺音信号去噪算法 |
3.1 相关基础理论 |
3.1.1 RPSEMD算法 |
3.1.2 小波软阈值算法 |
3.1.3 自相关函数 |
3.2 基于改进RPSEMD与小波软阈值的肺音信号去噪算法 |
3.2.1 算法基本思想 |
3.2.2 算法流程 |
3.3 实验结果与分析 |
3.3.1 实验数据及平台 |
3.3.2 评价标准 |
3.3.3 实验结果分析 |
3.4 本章小结 |
第四章 基于希尔伯特-黄变换的肺音信号特征提取算法 |
4.1 相关基础理论 |
4.1.1 肺音特征提取方法 |
4.1.2 希尔伯特-黄变换 |
4.2 基于希尔伯特-黄变换的肺音信号特征提取算法 |
4.2.1 算法基本思想 |
4.2.2 算法流程 |
4.3 实验结果与分析 |
4.3.1 实验数据及平台 |
4.3.2 实验结果分析 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
在读期间研究成果及所获奖项 |
(9)基于HHT谐波检测的T型三电平有源电力滤波器控制技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 谐波 |
1.1.1 谐波的产生 |
1.1.2 谐波的危害 |
1.1.3 谐波的治理 |
1.2 有源电力滤波器的发展现状 |
1.2.1 有源电力滤波器的分类 |
1.2.2 谐波检测技术 |
1.2.3 补偿控制技术 |
1.3 本文研究内容 |
第2章 基于希尔伯特黄变换的谐波检测算法 |
2.1 希尔伯特黄变换概述 |
2.1.1 瞬时频率 |
2.1.2 固有模态函数 |
2.2 经验模态分解 |
2.2.1 端点效应及曲线拟合 |
2.2.2 停止准则 |
2.2.3 仿真实例分析 |
2.3 基于HHT的有源电力滤波器谐波检测算法 |
2.3.1 提取基波 |
2.3.2 基于HHT的谐波检测算法 |
2.3.3 谐波检测的延迟 |
2.4 有源电力滤波器的谐波检测仿真分析 |
2.5 本章小结 |
第3章 电压空间矢量调制及中点电位控制 |
3.1 单相T型三电平逆变器的基本结构 |
3.2 单相三电平空间电压矢量调制策略 |
3.2.1 扇区判断 |
3.2.2 矢量作用时间 |
3.2.3 矢量作用顺序 |
3.3 中点电位平衡 |
3.3.1 中点电位不平衡原因 |
3.3.2 单相三电平调制算法对中点电位的影响 |
3.3.3 中点电位控制策略 |
3.4 仿真实例分析 |
3.5 本章小结 |
第4章 单相有源电力滤波器的双闭环控制策略 |
4.1 单相T型三电平APF的数学模型 |
4.2 单相APF控制策略 |
4.2.1 电流内环 |
4.2.2 电压外环 |
4.3 单相T型三电平APF控制策略的仿真验证 |
4.4 本章小结 |
第5章 单相T型三电平APF的软硬件设计及实验分析 |
5.1 硬件电路设计 |
5.1.1 DSP处理器 |
5.1.2 采样调理电路 |
5.1.3 驱动电路和主电路 |
5.2 系统软件的设计 |
5.2.1 DSP软件控制设计 |
5.2.2 Labview软件监控设计 |
5.3 实验平台和实验结果分析 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 全文总结 |
6.2 研究展望 |
参考文献 |
致谢 |
个人简历、在学期间发表的学术论文及研究成果 |
(10)HHT方法研究及其在地震储层预测中的应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究目的与意义 |
1.2 国内外研究现状 |
1.2.1 时频分析方法 |
1.2.2 希尔伯特黄变换 |
1.2.3 希尔伯特黄变换在地球物理领域的应用现状 |
1.3 研究内容及技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 论文主要成果 |
第2章 时频分析方法概述 |
2.1 常规时频分析方法 |
2.1.1 短时傅里叶变换 |
2.1.2 小波变换 |
2.1.3 S变换 |
2.2 希尔伯特黄变换 |
2.2.1 希尔伯特变换 |
2.2.2 经验模态分解 |
2.2.3 希尔伯特黄时频谱 |
2.3 模拟信号仿真分析 |
2.4 本章小结 |
第3章 希尔伯特黄变换方法研究 |
3.1 端点效应抑制 |
3.1.1 端点效应分析 |
3.1.2 分段Hermite多项式拟合 |
3.1.3 端点延拓方法 |
3.2 模态混叠现象抑制 |
3.2.1 模态混叠现象概述 |
3.2.2 集合经验模态分解 |
3.2.3 快速集合经验模态分解 |
3.4 本章小结 |
第4章 塔河区块地震储层预测研究 |
4.1 研究区储层特征 |
4.2 基于IFEEMD-HSA方法的能量吸收分析及应用 |
4.2.1 基于IFEEMD-HSA方法的能量吸收指数 |
4.2.2 应用分析 |
4.3 基于IFEEMD的Teager-Kaiser能量分析及应用 |
4.3.1 基于IFEEMD-TK能量算子的瞬时谱分解方法 |
4.3.2 应用分析 |
4.4 地震声纹属性分析及应用 |
4.4.1 地震声纹属性 |
4.4.2 应用分析 |
4.5 储层综合预测 |
4.6 本章小结 |
结论 |
致谢 |
参考文献 |
攻读硕士期间发表的论文及科研成果 |
四、希尔伯特-黄变换的端点延拓(论文参考文献)
- [1]基于EEMD与改进EMD的脑电信号的特征提取方法[D]. 霍延. 南京邮电大学, 2020(03)
- [2]EMD端点延拓新方法SAR遥感图像实例应用[J]. 范开国,梁建军,韦道明,王亚锋,方芳,鱼蒙. 地球物理学进展, 2021(02)
- [3]异步电动机在线状态监测与故障诊断系统的研究与应用[D]. 张志平. 山东科技大学, 2020(06)
- [4]基于希尔伯特-黄变换的电力谐波检测技术研究[D]. 崔京楷. 山东理工大学, 2020(02)
- [5]基于希尔伯特-黄变换的不同阶段轻度认知障碍诊断方法[D]. 石家豪. 天津大学, 2020(02)
- [6]基于Hilbert-Huang变换的核电上充泵故障诊断方法研究[D]. 殷杰. 长春理工大学, 2020(01)
- [7]大坝结构振动信号的HHT分析与应用研究[D]. 吕文. 西藏大学, 2020(12)
- [8]基于EMD的肺音信号去噪及特征提取方法研究[D]. 高鸣蕾. 江苏大学, 2019(03)
- [9]基于HHT谐波检测的T型三电平有源电力滤波器控制技术研究[D]. 孙泗棍. 华侨大学, 2019(01)
- [10]HHT方法研究及其在地震储层预测中的应用[D]. 杨应. 西南石油大学, 2019(06)