欢迎来到天天文库
浏览记录
ID:33169445
大小:2.46 MB
页数:64页
时间:2019-02-21
《hilbert-huang变换端点问题处理方法的分析与研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、国内图书分类号:TN9ll国际图书分类号:654.9西南交通大学研究生学位论文年级2QQ窆级姓名凿垫申请学位级别王堂亟±专业塑9达让量堇丕区邀墨指导老师毖渲副教援二零一二年四月二十七日密级:公开立丛墼世雀亟丛ClassifiedIndex:(TN911)U.D.C:(654.9)(THEANDSouthwestJiaotongUniVersityMasterDegreeThesis哪8Ⅲ野删8删6Ⅲ0iiii¨●■-洲2舢Y西南交通大学曲南文通大罕学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使
2、用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1.保密口,在年解密后适用本授权书;2.不保密d使用本授权书。(请在以上方框内打“v’’)学位论文作者签名:气韵日期:沙/互.口5.1少指导老师签名:砍:绣日期汐f≯.6.穆西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作如下:l、研究不同插值
3、方法对端点问题的影响,分析不同长度数据序列的不同处理法;2、在较长数据序列端点问题的处理上,本文采取不断抛弃两端数据,保证最终数据序列端点为极值使得所得包络失真度最小;在对短数据序列的处理上,本文将神经网络延拓法、改进的对称极值延拓法、神经网络和改进的对称极值相结合的方式(并结合常见的两种插值方法)分别处理同一个仿真信号,分析优缺点。最后论证出:神经网络和改进的对称极值相结合的方法(考虑插值方法)于本次列车测试信号在抑制端点问题处理上的更加有效性;3、最后,提出下阶段需要继续完善的工作,尝试将局部特征尺度延
4、拓和神经网络结合来抑制端点问题。本人郑重声明:所呈交的学位论文,是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。学位论文作者签名:日期:弘I2,.D5.谚冯韵1西南交通大学硕士研究生学位论文第1页摘要希尔伯特黄变换(Hilbert—Huang变换,删T)是近年来提出的新型信号分析方法,被认为是对以傅立叶变换为基础的
5、经典时频信号分析方法的突破。此新型方法包含两个部分:经验模态分解(empiricalmodedecomposition,EMD)和Hilbert变换,能够自适合地处理非线性,非平稳信号,已经在工程应用中广泛采用。但HHT变换提出的时间不长,理论基础不是足够的完整,在应用时出现了很多的问题。比如,在绝大多数情况下,数据序列端点并非极值点,在采用插值技术拟合信号的上下包络时,致使数据序列的两端会出现“发散”现象,并且这种发散结果会随着“筛选’’过程不断进行向内“污染"。同时,进行Hilbert变换时,数字序列的
6、两端也会出现严重的发散现象。因此端点问题的有效减弱或抑制是目前有待解决的棘手问题之一。本文就端点问题的产生原因,拟合包络线的插值方法展开了分析,并就如何延长数据序列展开了研究,主要的内容如下:1、介绍Hilbert_Huang变换的理论基础,发展历史,对比传统时变信号处理方法,展示删T在分析信号时的优点。着重分析E旧方法原理及分解时应注意的准则,引出H订bert—Huang变换的难点一端点问题,并阐述了国内外的研究现状及发展趋势;2、介绍HHT端点问题出现的原因,引入处理问题的评判标准(观察瞬时频率法和正交
7、性指标(IO)判别法);.3、研究不同的插值方法对端点问题的影响,分析不同长度数据序列的不同处理方法。在较长数据序列端点问题的处理上,本文采取不断抛弃两端数据,保证最终数据序列端点为极值使得所得包络失真度最小;在对短数据序列的处理上,推出神经网络和改进的对称极值相结合的方法对短数据序列进行延拓,并结合常见的两种插值方法对抑制端点问题进行处理,观察抑制效果。同时,将神经网络延拓法、改进的对称极值延拓法处理同一个仿真信号,分析优缺点。最后论证出神经网络和改进的对称极值相结合的方法的在抑制端点问题上的有效性。对于
8、复杂多变的信号,应该结合插值方法观察,找到更适宜的处理方式;4、采用神经网络和改进的对称极值相结合的方法对列车测试实验数据进行分析,得到不错的效果;.。5、对本次工作总结,展望以后的研究工作。关键词:希尔伯特黄变换经验模态分解端点问题神经网络延拓法对称极值延拓法Abstract砌b薛Hu趾g仃趾sf0衄(HHT)isane、)l,si印al趾alysismelhodonreccntyears·。Ihisnewme
此文档下载收益归作者所有