HHT抽取和滤波

与传统的积分变换技术相比，HHT为瞬时非平稳信号提供了更高的频率分辨率和更准确的实际。HHT将复杂信号分解成简单的信号成分，每个都具有单一的，容易辨认的，随时间变化的频率。实时HHT算法能够提高信号分析能力，用于过程监控和控制应用。

一、简介

“抽取”是HHT算法中信号分离过程的核心，是在HHT 技术中具有重要影响的工作，Huang非正式地描述了抽取可以比拟成自适应滤波过程，但随后发展了一个不同的算法过程去分离信号成分。这种发展引领我们去推测存在某个滤波器，其参数被恰当的实时校准，就能够模仿HHT抽取过程。

二、HHT抽取的目标

1. HHT搜索方法提供了完全不同的解，它并不试图用先验的基函数代表一个信号，HHT跟踪并有力地适应随时间演化的信号中频率和相位频率的瞬时、非平稳和非线性变化。
2. HHT分析地震信号，例如Huang所指出的，与传统的傅里叶分析相比，显示了一个非常不同的频率随时间分布。在分析建筑、桥梁和其他建筑物的时候，这种不同点可以提供重要的信息。
3. 为了抽取期望的幅度和频率信息，避免矛盾解释和结果，幅度和相位函数必须做一些限制。对于HHT成分，首要的要求是它们的波形足够好，一遍抽取清晰可辩的幅度和相位函数，这种函数称为单成分函数，与多成分函数相区分，多成分函数即是那些不能够从中干净提取幅度和相位的函数。
4. 截止点分析，Cohen宣称，在时间上的任意一个信号的频率成分，都完全有所考虑问题的之前和之后的行为决定。在缺乏数据的情况下，可以假定信号的过去和将来行为，但是分析结果仅仅反映这些假设。

三、HHT抽取算法

1. Huang的抽取算法从多成分信号中，将所有嵌入的最高频率成分与所有较低频率成分分离。剩余的低频成分共同构成了信号的趋势函数。

四、增量，实时HHT抽取

1. 增量算法将完全的时间函数序列成批处理块变为流水线式增量处理数据流，一个时间通过一个数据采样。
2. 抽取的第一步是确认信号的峰值。
3. 样条插值使用全局信息去计算正峰值所衍生的正包络，以及负峰值所衍生的负包络。

五、总结和结论

HHT成分分离或抽取，与模仿HHT行为的滤波过程做了对比。这种猜想，即采用传统的数字滤波器，通过动态适应新号频率成分，能够替代HHT过程被发现是不正确的。从几个例子信号结果发现，在大多数条件下，两种技术产生了截然不同的结果。我们所实施的对比HHT和滤波过程的试验，发现了HHT 抽取算法中的扭曲