基于加速度传感器的HHT信号降噪方法

杨大为

(沈阳理工大学信息科学与工程学院，辽宁沈阳 110159)

0 引言

传统的信号降噪处理方法是进行信号的频谱分析［1］，如傅里叶分析，得知信号的频率组成成分，采用滤波器滤除干扰频率信号来降低采集信号的噪声，采用这种降噪处理方法就需要预先选定和设计合适滤波器，这就要了解一些先验知识和特定假设。但是在实际情况中，采集到的信号是短时的瞬态信号、非平稳信号、含宽带噪声的，而傅里叶分析对于非线性非平稳信号不适用，此时采用传统的滤波器对信号进行处理，具有一定的局限性。

N.E Huang等学者于1998年提出了希尔伯特黄变换(简称HHT)，是分析非线性、非稳定信号的全新方法［2］。该方法的核心部分是经验模态分解(EMD)，它从根本上克服了Fourier变换的局限性，是一种更具适应性的时频局部化分析方法［3］。通过联合EMD方法与小波阈值降噪滤波，对EMD分解出半数的IMF分量单独进行小波阈值滤波处理，改进了EMD方法在信号降噪处理中丢失有效信号的问题。

1 经验模特分解理论(EMD)

经验模态分解方法认为任意一个信号x(t)都是由一系列不同的、简单的非正弦函数的本征模态函数组成，因而任意一个信号x(t)都可以分解成若干个频率从高到低的本征模态函数［4］。

在实际中采集到的信号都不是IMF，对原始信号x(t)进行EMD分解的具体步骤如下:

(1)首先找出x(t)的所有极大特征值点，采用三次样条插值法拟合出原始数据序列的上包络线eupp(t);同理找出x(t)的所有极小特征值点，拟合出下包络线elow(t)。……