信号通过EMD后产生IMF，求不同阶IMF的瞬时频率并输出图像

这个分解是基于希尔伯特-黄变换和希尔伯特变换而来，通过黄变换滤除信号里局域的直流成分，短时内是纯交流成分。而之所以不直接使用希尔伯特变换后利用复信号的d(phi)/dt=w (phi是角度）的方式来求信号的瞬时频率，是因为信号可能存在非频率波动的成分，也就是说可能信号的波动是因幅值引起，这样求得的频率可能是负值，而希尔伯特变换的信号频率不存在负的，所以才需要以上的黄变换这个分解imf的过程。但这个分解精度纯粹因信号本身而异，存在一定的风险。不过据我认为，信号在离散的情况下，黄变换并不是必须的，只需要在希尔伯特变换之前加一些简单处理即可，这种方式得到的瞬时频率与用了imf后得到的再matlab下得到的图像基本一样。楼主可自己编写程序，这个程序包不是必须

号的方法，从根本上有

别于传统的信号时频分析方法，并在实际应用中取得了很好的效果。

EMD分解算法通过层层筛选，得到信号不同时间特征尺度的IMF分量。EMD

分解的主要目的是为了将信号进行平稳化处理，对IMF分量进行Hilbert变换，进

一步得到IMF分量对应的瞬时频率成分，这样得到的瞬时频率有了合理的物理意

义。通过Hilbert得到的的Hilbert/Huang频谱图是时间和频率的二变量函数，从中

可以得到任意时刻的频率信息，包括频率的大小和幅度以及出现的对应时刻，能

够详细的刻画非平稳非线性信号的时频特性。

摘 要本文阐述了桥梁健康监测的意义，介绍了进行桥梁健康监测所需的仪器设备，对一种新型的桥梁结构损伤识别方法——Hilbert-Huang转换进行了详细的介绍。关键词健康监测；信号处理；损伤识别；Hilbert-Huang转换

前言

桥梁健康监测是指对桥梁结构实施损伤检测和识别。损伤包括结构体系的几何特性发生改变或材料特性改变，以及边界条件和体系的连续性的改变。体系的整体连续性对桥梁的服役能力有至关重要的作用。结构健康监测涉及到通过分析定期采集的布置于桥梁的传感器阵列的动力响应数据来观察体系随时间推移产生的变化，损伤敏感特征值的提取并通过数据分析来确定结构目前的健康状态。

1、桥梁健康监测的重要性

桥梁设施是一个国家的重要基础设施,是交通运输网络的重要节点,在国民经济中具有十分重要的地位。桥梁建成并通车后,经过长期负荷使用,桥梁结构难免会因各种原因发生损伤,从而降低桥梁的安全度。为了保障桥梁结构的安全性、完整性、适用性与耐久性，已建成的桥梁急需采用有效的技术手段监测和评定其安全状况，并且及时修复和控制结构损伤。桥梁结构损伤如果不能得到及时的维护和维修，不仅影响行车的安全，缩短桥梁的使用寿命，甚至会发生桥梁的突然破坏或倒塌等惨痛的事故。随着科学技术的发展，综合多个学科领域的桥梁结构监测系统，可以极大延拓桥梁检测的内容，并可连续地、实时地、在线地对结构“健康”状态进行监测和评估，确保运营安全和提高桥梁的管理水平。

2、常用的桥梁健康监测仪器设备

21光纤传感器

一套完整的光纤量测系统通常包括光纤传感器、光源单元、侦测单元、放大单元、控制单元及讯号处理单元等共同组成。拜光纤科技发展迅速之赐，前述的各个独立单元绝大部分在现今已可整合为一套光纤感测扫描仪。光纤传感器种类很多，目前用于桥梁监测技术中的类型主要是Mach-Zehnder干涉型光纤传感器、Fabry-Perot腔式光纤传感器、光纤布拉格光栅传感器。其中光纤布拉格光栅传感器是当今工程中使用最多的一类传感器。

22压电式及ICP型加速度传感器

它是使用最普遍的振动传感器，特点是稳定性好、体积小、使用方便、是中高频振动的理想传感器。压电式加速度计其惯性接收具有零频率响应，但接上电荷放大器后的整个测量系统不具有零频率响应。因此，压电式传感器常用于中小跨度的桥梁健康监测。

23电容式加速度传感器

它是一种适合超低频测量的振动传感器，其下限频率可以达到0Hz，非常适用于极低频率和静态加速度测量。电容式加速度计的生产工艺与信号驱动要求高，目前主要为进口产品，价格高于电压式传感器。

24伺服式振动传感器

它是也测量超低频微振动的理想传感器，采用有源或无源闭环伺服技术，具有良好的超低频特性，适合超低频大量程测量和微振动测量。目前该类传感器在桥梁测试中应用普遍，但在长期监测系统中使用不多。

3、新型结构识别技术——Hilbert-Huang转换

希尔伯特─黄转换(Hilbert-Huang transform,HHT)乃是近几年来出现的新型结构识别方法，其首先由Huang等人于1998年提出。此转换主要的特色为先利用所谓的经验模态分解(empirical mode decomposition, EMD)，根据信号本身的特征时间尺度将原始讯号分解成多个内建模态函数(intrinsic mode function,IMF)的组合。由于这些内建模态函数都可证明具有优良的希尔伯特转换特性，因此可进一步以其为基底进行新定义的希尔伯特─黄转换，如此便可以推导出系统瞬时频率与时间及系统能量与瞬时频率的相互关系。

31经验模态分解法的步骤

经验模态分解法的主要步骤在于进行所谓的筛分程序(sifting process)。首先针对原始讯号y(t)的各个极大值峰点与极小值谷点，分别利用三次弧线(cubic spline)建立上包络线与下包络线。接着将原始讯号减去平均上下包络线产生之均值包络线，如此即完成一次筛分程序。然后再持续重复进行这项筛分程序，一直到新产生的讯号满足内建模态函数的条件。达成这样的收敛程序后便是找出第一个内建模态函数c1(t)，而后将y(t)减去c1(t)再重复上述筛分程序找出第二个内建模态函数c2(t),以此类推一直到求出所有m个IMF，并只剩下无法再解析出内建模态函数的剩余函数(residue)r(t)为止。经由上述这套运算，原始讯号y(t)自然分解成：m个内建模态函数和一个剩余函数之和。

32设定通过频率

不过值得特别注意的是，EMD乃是完全根据原始信号的一种后设方法，经由其分解出来的各个IMF虽然都具良好的希尔伯特转换特性，但却可能包含不止一个频率的组成。也就是说，IMF并不代表系统各个单独的模态反应，必须进一步处理才可能用来进行模态参数识别。经验模态分解法提出以后，接续的一项重要发展是加入在筛分程序中设定通过频率(intermittency frequency)的功能。这个通过频率的设定，可以使收敛后的IMF仅含高于此频率的分量，而完全排除低于此频率的内容。藉由这项工具，欲利用EMD分离出系统各个模态的反应便能透过下列步骤达成：(1)估计出第j 模态频率的范围wjl<wj<wjh；(2)设定通过频率为wjh，并由原始讯号y(t)得出所有频率高于wjh的imf；(3)从y(t)中减去前面步骤中得到的所有imf，并设定通过频率为wjl，接着再求出的第一个imf便可视为系统第j 模态的反应；(4)从j="m开始，依序降至j=1求出所有模态的反应函数。

"> 33结构参数识别

因为每个模态可以视为一个独立的单自由度系统，所以分解出各个模态反应后便可各自进行参数识别。HHT方法乃是对信号进行EMD后，接着对各个IMF再取希尔伯特转换。利用希尔伯特转换由一个单自由度阻尼系统之自由振动反应来识别自然频率与阻尼比，其程序与方程式几乎与小波转换完全相同。当然最基本的唯一差别在于，对讯号进行的并非小波转换，而是先求出y(t)的希尔伯特转换再组合出y(t)的解析信号，最后由解析信号的振幅函数与相位角函数可以分别识别出桥梁结构的频率和阻尼比。

参考文献

[1]张岩健康监测的发展动态[J]山西建筑,2009,35(23):354-355

[2]邬晓光,徐祖恩大型桥梁健康监测动态及发展趋势[J]长安大学学报(自然科学板), 2003,23(1):39-42

[3]韩大建,谢峻大跨度桥梁健康监测技术的近期研究进展[J]桥梁建设,2002,(6): 69-73 </wj

以上就是关于信号通过EMD后产生IMF，求不同阶IMF的瞬时频率并输出图像全部的内容，包括:信号通过EMD后产生IMF，求不同阶IMF的瞬时频率并输出图像、有没有人做过对气象数据的EMD或者HHT变换分析，数据经过EMD分解后，怎么求周期啊有程序的话最好。谢谢啦、桥梁健康监测技术简介 [论桥梁健康监测技术]等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！