[發明專利]基于改進HHT變換的特征提取方法

在審

• 申請號: 201810266004.2
• 申請日: 2018-03-28
• 公開（公告）號: CN108334872A
• 公開（公告）日: 2018-07-27
• 發明（設計）人: 張濤;丁碧云;趙鑫
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F17/14
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 杜文茹

一種基于改進HHT變換的特征提取方法：采用小波包對被測信號進行分解與重構，得到不同頻段的窄帶信號；對得到的各個窄帶信號做經驗模式分解，得到所有窄帶信號的IMF分量；對所有窄帶信號的IMF分量進行篩選，得到整個被測信號最終的IMF分量；分別對最終的IMF分量進行Hilbert變換，得到被測信號的瞬時屬性；根據被測信號的瞬時屬性，提取能夠反映被測信號時頻特性的時頻統計特征，包括：每個IMF分量的瞬時幅度的均值，所有IMF分量的邊際譜的帶寬、峰值和方差。本發明基于小波包分解與剔除虛假IMF分量的改進HHT方法來提高信號的時頻分析的精確度。本發明的方法能夠更高效的提取反映信號特性的特征，最終提高數據挖掘與模式識別的效率。

技術領域

本發明涉及一種特征提取方法。特別是涉及一種針對非線性、非平穩時變信號的時頻分析的基于改進HHT變換的特征提取方法。

背景技術

1、特征提取

特征提取指通過數學變換或者統計分析的方式，從原始的信號中得到一個或多個參數，這些參數能夠代表該信號在某一方面的特性。這些參數被稱為該信號的特征，獲取這些特征的過程就是特征提取。特征提取用于數據挖掘和模式識別領域，特征提取是其中的關鍵技術之一。通過特征提取，可以獲得信號中能夠反映數據特性的參數，提取的特征優劣決定了數據挖掘和模式識別的性能。

2、HHT

針對非線性、非平穩信號，由于其較強的時變性，一般采用時頻分析方法提取信號的特征。信號的時頻分析方法能夠將信號在時頻空間上展開的基礎上，對局部分量進行分析，這種方法能夠更好地反映音頻信號的時頻特性。常用的時頻分析方法有短時傅里葉變換(STFT)、Wigner-Viller分布(WVD)、小波變換(WT)，這些方法雖然能夠較好地分析音頻信號的時頻特性，但也存在某些問題，如STFT存在Heisenberg測不準原理和單一分辨率問題，WVD存在嚴重的交叉干擾項問題，小波變換存在過分依賴小波基選取和能量泄露等限制。

希爾伯特-黃變換(Hilbert-Huang Transform，HHT)，是美國NASA的黃鍔博士(Norden E.Huang)在1998年提出的一種時頻域分析方法。由于其完全基于信號本身，具有自適應性，對非線性非平穩信號的處理效果好，特別適用于非平穩、非線性信號分析，所以被廣泛應用在在海洋信號、地震信號分析、生物醫學、健康監測等領域，并取得了不錯的成果。HHT主要分成兩部分，首先對信號進行經驗模式分解(Empirical Mode Decomposition，EMD)得到一系列頻率由高到低的本征模式函數(Intrinsic Mode Function，IMF)，然后對IMF分量進行Hilbert變換得到有意義的瞬時頻率(信號的瞬時屬性)。其中每個固有模態函數必須滿足以下2個條件：(1)在整個數據范圍內，極值點與過零點的數目必須相等或者最多相差一個；(2)在任意一點處，所有極大值點形成的上包絡線和所有極小值點形成的下包絡線的平均值始終為零。

與其他基于傅里葉變換的時頻分析方法不同，HHT不存在傅里葉譜分析的諸多缺點，如HHT可以在沒有先驗知識的情況下處理任何信號，并且不受Heisenberg不確定性原則的限制。

3、篩選虛假IMF分量

在HHT分析信號的過程中，由于經驗模式分解過程中存在著包絡擬合、模態混疊、端點效應和過分分解等缺點，在分解中會產生一些虛假的IMF分量，不足以反映信號本身的特征。在實際應用中，需要剔除這些虛假的IMF分量。真實IMF分量與原始信號的關聯性比偽分量與原始信號的關聯性大，且真實IMF分量占的比例較虛偽假IMF分量要大。目前剔除虛假IMF的方法有相關系數法、灰度關聯度、互信息量、能量比值法、K-S檢驗法等。

目前已有的針對非線性、非平穩信號提取特征不精確的問題。

發明內容

本發明所要解決的技術問題是，提供一種能夠進行高效特征提取的基于改進HHT變換的特征提取方法。