论文部分内容阅读
非线性非平稳信号处理(或数据分析)是近年来数据分析领域的热点问题。HHT(Hilbert-Huang Transform)是一种能适用于非线性、非平稳信号的数据分析方法，由经验模态分解(EMD)及Hilbert谱分析(HSA)两部分组成。这一方法不同于Fourier变换，不是采用预先确定的基函数，而是通过EMD从信号本身分解出一组各不相同的基底，即分解结果具有自适应的特点。因此该方法更适合处理复杂的非平稳信号，是一种更具适应性的时频局部化分析方法。近十年来，HHT成功应用于海洋、大气、生物医学、金融、故障诊断等多个领域。但EMD本质上是一个算法，是一种经验性的方法，缺乏严格的数学理论基础。HHT数学理论基础的建立及向高维的推广是亟待解决的公开问题。
在这一热点领域，本文主要做了如下探索：(1)什么样的数据适合用HHT方法去处理；(2)在EMD算法中，用哪一种样条去做包络能得到比较好的结果。通过分析讨论，得到相应的两个结论：(1)通过第一次取的包络均值的斜率去判断原始数据是否适合用HHT方法去处理；(2)利用二次样条做包络，从能量和减少由逼近工具自身所产生的振荡方面考虑可以得到更好的结果。