信号特征提取课件.pptVIP

信号特征提取TheFeatureExtractionofVibrationSignals

引言信号特征提取是从信号中获取信息的过程，是模式识别、智能系统和机械故障诊断等诸多领域的基础和关键，特征提取广泛的适用性使之在诸如语音分析、图像识别、地质勘测、气象预报、生物工程、材料探伤、军事目标识别、机械故障诊断等几乎所有的科学分支和工程领域得到了十分广泛的应用。2

信号特征p时域特征?有量纲量均值、方差、均方根、峰值?无量纲量峰值因数、峭度、脉冲因子、波形因子p频域特征重心频率FC、均方频率MSF、均方根频率RMSF、频率方差VF、频率标准差RVFp时频域特征通过时频分析方法提取的信号特征（小波系数、小波包能量、Hilbert谱、边际谱等）3

特征提取方法u基于时域特征提取序列模型法(AR模型、ARMA模型等)u基于频域特征提取快速傅里叶变换(FFT)u基于时频域特征提取短时傅里叶变换(STFT)、时频分布(Wigner-Ville分布、Choi-William分布)小波变换、希尔伯特黄变换4

特征提取方法u基于时域特征提取法优缺点优点：可发现故障且可以定位。缺点：当系统的参数存在着不确定性或时变性,或者系统有未知的干扰输入时则需要考虑鲁棒性检验问题。同时，由于该方法需要知道对象的数学模型，那么当系统存在非线性时这种方法将无能为力。u基于频域特征提取法优缺点优点：频域分析实际物理意义明确，能够提供比时域波形更加直观的特征信息。缺点：只能在有限区间内进行，并且由于时域截断会带来能量泄漏，使得离散频谱的幅值、相位和频率都可能产生较大误差。5

特征提取方法u短时傅里叶变换优缺点优点：能得到不同时刻的频谱。缺点：对信号突变反应不灵敏，且窗口大小固定不变。u时频分布法优缺点优点：对于分析非平稳信号和异常信号起到很大的作用。缺点：存在频率干扰现象，很难把多成分信号表示清楚。u小波变换法优缺点优点：低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率。缺点：不是自适应的,需要人为的选定小波基；还存在能量泄漏问题。6

希尔伯特黄变换Huang于1996年提出了基于模式分解(Em-piricalModeDecomposition,EMD)算法，EMD算法和与之相的HilbertHilbert-HuangHilbert-Huang采用EMD方法将信号分解若干个固有模函数(IntrinsicModeFunctions,IMF)分量之和,再每个IMF分量行Hilbert得到信号的解析形式,从而得到瞬率和瞬幅,然后通叠加得到信号的Hilbert。Hilbert刻画了信号的能量随率的化律,表示了信号完整的—率分布。7

希尔伯特黄变换-经验模式分解核心：经验模式分解(EMD)原始信号x(t)8

希尔伯特黄变换-经验模式分解?step1：找到信号极大值点9

希尔伯特黄变换-经验模式分解?step2：利用三次样条插值，求出信号上包络线10

希尔伯特黄变换-经验模式分解?step3：找到信号极小值点11

希尔伯特黄变换-经验模式分解?step4：利用三次样条插值，求出信号下包络线12

希尔伯特黄变换-经验模式分解?step5：计算上、下包络线平均值m(t1)13

希尔伯特黄变换-经验模式分解?step6：将原始信号x(t)减去m(1t)h(t)=x(t)-m(t)1114

希尔伯特黄变换-经验模式分解两个结束条件(1)在整个数据段内，极值点的个数和过零点的个数必须相等或最多相差一个;(2)在任意时刻,由局部极大值点形成的上包络线和由局部极小值点形成的下包络线的平均值为0。若h(t)足上述两个条件，h(t)IMF分量，否将11h1(t)作原始信号重复步1-6，直到足上述两个条件止，此得到第一个IMF分量c1。15

希尔伯特黄变换-经验模式分解?step7：将c从原始信号x(t)分离出来1r1=x(t)-c1将r作原始数据,重复步1-6,得到第二个IMFc。重12复循n次,到信号x(t)的n个IMF。当r成一个函数不能再从中提取足IMF条n件的分量,循束。原信号可表示为：16

希尔伯特黄变换-经验模式分解17

希尔伯特黄变换-希尔伯特变换行EMD分解的主要目的之一是行Hilbert而得到Hilbert。于任意的序列x(t)，若满足条件：信号的Hilbert可表示其中P柯西主。18

希尔伯特黄变换-希尔伯特变换将分解得到的IMF分量做Hilbert构造IMF分量的解析信号为信号瞬时振幅其中：为信号瞬时相位19

希尔伯特黄变换-希尔伯特变换忽略残余函数r，即可得到信号x(t)的Hilbert谱n其中为信号的瞬时频率Hilbert精确地描述了信号的幅在整个率段上随和率的化律，通过这些变化