[发明专利]基于改进HHT变换的特征提取方法

说明书

一种基于改进HHT变换的特征提取方法：采用小波包对被测信号进行分解与重构，得到不同频段的窄带信号；对得到的各个窄带信号做经验模式分解，得到所有窄带信号的IMF分量；对所有窄带信号的IMF分量进行筛选，得到整个被测信号最终的IMF分量；分别对最终的IMF分量进行Hilbert变换，得到被测信号的瞬时属性；根据被测信号的瞬时属性，提取能够反映被测信号时频特性的时频统计特征，包括：每个IMF分量的瞬时幅度的均值，所有IMF分量的边际谱的带宽、峰值和方差。本发明基于小波包分解与剔除虚假IMF分量的改进HHT方法来提高信号的时频分析的精确度。本发明的方法能够更高效的提取反映信号特性的特征，最终提高数据挖掘与模式识别的效率。

技术领域

本发明涉及一种特征提取方法。特别是涉及一种针对非线性、非平稳时变信号的时频分析的基于改进HHT变换的特征提取方法。

背景技术

1、特征提取

特征提取指通过数学变换或者统计分析的方式，从原始的信号中得到一个或多个参数，这些参数能够代表该信号在某一方面的特性。这些参数被称为该信号的特征，获取这些特征的过程就是特征提取。特征提取用于数据挖掘和模式识别领域，特征提取是其中的关键技术之一。通过特征提取，可以获得信号中能够反映数据特性的参数，提取的特征优劣决定了数据挖掘和模式识别的性能。

2、HHT

针对非线性、非平稳信号，由于其较强的时变性，一般采用时频分析方法提取信号的特征。信号的时频分析方法能够将信号在时频空间上展开的基础上，对局部分量进行分析，这种方法能够更好地反映音频信号的时频特性。常用的时频分析方法有短时傅里叶变换(STFT)、Wigner-Viller分布(WVD)、小波变换(WT)，这些方法虽然能够较好地分析音频信号的时频特性，但也存在某些问题，如STFT存在Heisenberg测不准原理和单一分辨率问题，WVD存在严重的交叉干扰项问题，小波变换存在过分依赖小波基选取和能量泄露等限制。

希尔伯特-黄变换(Hilbert-Huang Transform，HHT)，是美国NASA的黄锷博士(Norden E.Huang)在1998年提出的一种时频域分析方法。由于其完全基于信号本身，具有自适应性，对非线性非平稳信号的处理效果好，特别适用于非平稳、非线性信号分析，所以被广泛应用在在海洋信号、地震信号分析、生物医学、健康监测等领域，并取得了不错的成果。HHT主要分成两部分，首先对信号进行经验模式分解(Empirical Mode Decomposition，EMD)得到一系列频率由高到低的本征模式函数(Intrinsic Mode Function，IMF)，然后对IMF分量进行Hilbert变换得到有意义的瞬时频率(信号的瞬时属性)。其中每个固有模态函数必须满足以下2个条件：(1)在整个数据范围内，极值点与过零点的数目必须相等或者最多相差一个；(2)在任意一点处，所有极大值点形成的上包络线和所有极小值点形成的下包络线的平均值始终为零。

与其他基于傅里叶变换的时频分析方法不同，HHT不存在傅里叶谱分析的诸多缺点，如HHT可以在没有先验知识的情况下处理任何信号，并且不受Heisenberg不确定性原则的限制。

3、筛选虚假IMF分量

在HHT分析信号的过程中，由于经验模式分解过程中存在着包络拟合、模态混叠、端点效应和过分分解等缺点，在分解中会产生一些虚假的IMF分量，不足以反映信号本身的特征。在实际应用中，需要剔除这些虚假的IMF分量。真实IMF分量与原始信号的关联性比伪分量与原始信号的关联性大，且真实IMF分量占的比例较虚伪假IMF分量要大。目前剔除虚假IMF的方法有相关系数法、灰度关联度、互信息量、能量比值法、K-S检验法等。

目前已有的针对非线性、非平稳信号提取特征不精确的问题。

发明内容

本发明所要解决的技术问题是，提供一种能够进行高效特征提取的基于改进HHT变换的特征提取方法。