Hilbert-Huang变换用于频变特征提取

【摘要】：够获得类似效果的基频包络,而由于能将基频成分有效地分解在一个IMF中,避免了EEMD多次重复实验平均的计算和最后基频的拼接处理,基于WA算法的基频检测可以节省大量的计算开销。 水声目标识别方面,传统的方法所能提取的特征量已日趋饱和。为了达到更高的识别要求,对新特征量的探索也就成为了这一领域的研究重点。HHT就为此很好地提供了一个不同的侧面,本文也提取出了许多基于HHT的新特征量,此后还讨论了稳定性和识别能力对于特征量选取的影响。另外,在水声信号解调谱的分析中,引入EMD、EEMD和WA算法也被证实可以有效地提高谱的可辨识度。