CN107070568A - 一种基于希尔伯特黄变换的频谱感知方法 - Google Patents
一种基于希尔伯特黄变换的频谱感知方法 Download PDFInfo
- Publication number
- CN107070568A CN107070568A CN201710294722.6A CN201710294722A CN107070568A CN 107070568 A CN107070568 A CN 107070568A CN 201710294722 A CN201710294722 A CN 201710294722A CN 107070568 A CN107070568 A CN 107070568A
- Authority
- CN
- China
- Prior art keywords
- mrow
- signal
- spectrum
- hilbert
- msub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Complex Calculations (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明公开了一种基于希尔伯特黄变换的频谱感知方法及装置，其中该方法包括：获取待检测信号，并对待检测信号进行EMD分解，得到对应的n个IMF分量，待检测信号为无线频谱信号；求出每个IMF分量的希尔伯特谱，并将第1个至第i个IMF分量分别对应的希尔伯特谱进行叠加，得到总希尔伯特谱，其中i小于n；对总希尔伯特谱进行时间上的累加，得到边际谱；判断边际谱是否大于或者等于预设判决门限值，如果是，则确定待检测信号中存在主用户信号，如果否，则确定待检测信号中不存在主用户信号。本申请提供的上述技术方案能够准确的反映无线频谱信号的局部特征，从而大大提高了频谱感知的准确率。
Description
技术领域
本发明涉及认知无线电技术领域，更具体地说，涉及一种基于希尔伯特黄变换的频谱感知方法及装置。
背景技术
认知无线电技术被认为是实现动态频谱共享、缓解无线频谱资源日益紧张的重要途径，而频谱感知作为认知无线电的核心技术和实现基础，频谱感知的目标是在保护主用户免受干扰的前提下可靠精确快速的检测出特定频段上的主用户。
传统的感知方法都是基于能量感知的，其基本思想是信号在特定时间内的能量与预先设定的门限值进行比较，并作出判决。具体来说，其实现原理可以包括：接收到的信号经A/D变换后，经过FFT(傅里叶变换)然后对频域信号求模平方得到信号的能量值，再把信号能量值与预先设定的门限相比较，超过判决门限，就认为该频段有主用户的存在。判决规则如下:
上述实现频谱感知方法中采用的时频处理方法是傅里叶变换(FourierTransform)，但是傅立叶变换是典型的线性、稳态变换，适合对线性平稳信号做全局分析，只能获得信号的全空间频谱，而难以获得信号的局部特性，对于非平稳、非线性的频率时变信号的分析则存在局限，进而造成频谱感知的准确率大大降低。
综上所述，如何提供一种提高频谱感知的准确率的技术方案，是目前本领域技术人员亟待解决的问题。
发明内容
本发明的目的是提供一种基于希尔伯特黄变换的频谱感知方法及装置，以提高频谱感知的准确率。
为了实现上述目的，本发明提供如下技术方案：
一种基于希尔伯特黄变换的频谱感知方法，包括：
获取待检测信号，并对所述待检测信号进行EMD分解，得到对应的n个IMF分量，所述待检测信号为无线频谱信号；
求出每个所述IMF分量的希尔伯特谱，并将第1个至第i个所述IMF分量分别对应的希尔伯特谱进行叠加，得到总希尔伯特谱，其中i小于n；
对所述总希尔伯特谱进行时间上的累加，得到边际谱；
判断所述边际谱是否大于或者等于预设判决门限值，如果是，则确定所述待检测信号中存在主用户信号，如果否，则确定所述待检测信号中不存在主用户信号。
优选的，对所述待检测信号进行EMD分解，得到对应的n个IMF分量，包括：
步骤1：确定所述待检测信号为当前处理信号；
步骤2：确定当前处理信号中包含的全部局部极大值及局部极小值，并采用三次样条插值法对全部局部极大值及局部极小值进行拟合，构造出对应的极大值包络及极小值包络，计算所述极大值包络及极小值包络的平均值，得到瞬时平均值；
步骤3：将所述当前处理信号减去最新的瞬时平均值，得到信号分量，如果该信号分量满足IMF条件，则确定该信号分量为IMF分量，并将当前处理信号减去该IMF分量得到信号残差，判断所述信号残差是否满足分解停止条件，若是则分解完毕，若否则将该信号残差作为当前处理信号返回执行步骤2；如果该信号分量不满足IMF条件，则将所述信号分量作为当前处理信号返回执行步骤2。
优选的，求出每个所述IMF分量的希尔伯特谱，包括：
按照下式对每个IMF分量进行希尔伯特黄变换，得到对应的希尔伯特谱：
其中，P表示Cauchy主值，τ表示时间积分变量，t表示时间，π表示圆周率值，Cj(t)表示任一IMF分量，H[Cj(t)]表示对应的希尔伯特谱。
优选的，将第1个至第i个所述IMF分量分别对应的希尔伯特谱进行叠加，得到总希尔伯特谱，包括：
按照下列公式计算得到总希尔伯特谱：
其中，i表示虚数，j表示第j个IMF分量，t表示时间，wi(t)表示瞬时角频率，H(ω,t)表示总希尔伯特谱。
优选的，对所述总希尔伯特谱进行时间上的累加，得到边际谱，包括：
按照下列公式计算得到边际谱：
其中h(ω)表示边际谱，T表示数据总长度。
一种基于希尔伯特黄变换的频谱感知装置，包括：
分解模块，用于：获取待检测信号，并对所述待检测信号进行EMD分解，得到对应的n个IMF分量，所述待检测信号为无线频谱信号；
叠加模块，用于：求出每个所述IMF分量的希尔伯特谱，并将第1个至第i个所述IMF分量分别对应的希尔伯特谱进行叠加，得到总希尔伯特谱，其中i小于n；
累加模块，用于：对所述总希尔伯特谱进行时间上的累加，得到边际谱；
判断模块，用于：判断所述边际谱是否大于或者等于预设判决门限值，如果是，则确定所述待检测信号中存在主用户信号，如果否，则确定所述待检测信号中不存在主用户信号。
优选的，所述分解模块包括：
分解单元，用于执行以下操作：步骤1：确定所述待检测信号为当前处理信号；步骤2：确定当前处理信号中包含的全部局部极大值及局部极小值，并采用三次样条插值法对全部局部极大值及局部极小值进行拟合，构造出对应的极大值包络及极小值包络，计算所述极大值包络及极小值包络的平均值，得到瞬时平均值；步骤3：将所述当前处理信号减去最新的瞬时平均值，得到信号分量，如果该信号分量满足IMF条件，则确定该信号分量为IMF分量，并将当前处理信号减去该IMF分量得到信号残差，判断所述信号残差是否满足分解停止条件，若是则分解完毕，若否则将该信号残差作为当前处理信号返回执行步骤2；如果该信号分量不满足IMF条件，则将所述信号分量作为当前处理信号返回执行步骤2。
优选的，所述叠加模块包括：
变换单元，用于：按照下式对每个IMF分量进行希尔伯特黄变换，得到对应的希尔伯特谱：
其中，P表示Cauchy主值，τ表示时间积分变量，t表示时间，π表示圆周率值，Cj(t)表示任一IMF分量，H[Cj(t)]表示对应的希尔伯特谱。
优选的，所述叠加模块包括：
叠加单元，用于：按照下列公式计算得到总希尔伯特谱：
其中，i表示虚数，j表示第j个IMF分量，t表示时间，wi(t)表示瞬时角频率，H(ω,t)表示总希尔伯特谱。
优选的，所述累加模块包括：
累加单元，用于：按照下列公式计算得到边际谱：
其中h(ω)表示边际谱，T表示数据总长度。
本发明提供了一种基于希尔伯特黄变换的频谱感知方法及装置，其中该方法包括：获取待检测信号，并对所述待检测信号进行EMD分解，得到对应的n个IMF分量，所述待检测信号为无线频谱信号；求出每个所述IMF分量的希尔伯特谱，并将第1个至第i个所述IMF分量分别对应的希尔伯特谱进行叠加，得到总希尔伯特谱，其中i小于n；对所述总希尔伯特谱进行时间上的累加，得到边际谱；判断所述边际谱是否大于或者等于预设判决门限值，如果是，则确定所述待检测信号中存在主用户信号，如果否，则确定所述待检测信号中不存在主用户信号。本申请公开的技术方案中，将待检测信号进行EMD分解得到n个IMF分量，然后对每个IMF分量进行希尔伯特变换对应希尔伯特谱，并将第1个至第i个希尔伯特谱叠加得到总希尔伯特谱，并对总希尔伯特谱进行时间上的累加得到对应的边际谱，最终利用该边际谱与预设判决门限值的比对确定出待检测信号中是否存在主用户信号。其中经验模式分解方法是一种自适应的、高效的数据分解方法，由于这种分解是以局部时间尺度为基础，因此它适用于非线性、非平稳过程；而希尔伯特黄变换是自适应的依据信号自身特性设定特征时间尺度对信号进行分解；因为本申请提供的上述技术方案能够准确的反映无线频谱信号的局部特征，既适合于非线性、非平稳无线频谱信号的分析，也适合于线性、平稳无线频谱信号的分析，从而大大提高了频谱感知的准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种基于希尔伯特黄变换的频谱感知方法的流程图；
图2为本发明实施例提供的一种基于希尔伯特黄变换的频谱感知装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，其示出了本发明实施例提供的一种基于希尔伯特黄变换的频谱感知方法的流程图，可以包括：
S11：获取待检测信号，并对待检测信号进行EMD分解，得到对应的n个IMF分量，待检测信号为无线频谱信号。
其中待检测信号即为需要对其中是否存在主用户信号进行检测的信号。经验模式分解(Empirical Mode Decomposition，EMD)方法和与之相应的Hilbert(希尔伯特)谱统称为Hilbert-Huang(希尔伯特黄)变换，即该变换方法由经验模式分解和Hilbert谱分析两部分组成。本申请中获取到待检测信号后，可以对待检测信号进行EMD(Empirical ModeDecomposition，经验模式分解)分解，得到对应的n个IMF(Intrinsic Mode Function，固有模态函数)分量，其中n为正整数。
S12：求出每个IMF分量的希尔伯特谱，并将第1个至第i个IMF分量分别对应的希尔伯特谱进行叠加，得到总希尔伯特谱，其中i小于n。
对每个IMF分量进行Hilbert变换可以得到瞬时频率、瞬时幅值和瞬时相位等参数，这些参数量可以体现在信号的时间-频率-振幅的三维谱分布，即Hilbert谱。因此Hilbert谱能准确地展示出信号的时频特性，同时在时间-频率的坐标平面上，可以清晰地把瞬时幅度信息显示出来。按照得到每个IMF分量的时间先后将第1个至第i个IMF分量分别对应的希尔伯特谱进行叠加(类似于矩阵叠加)可以得到总希尔伯特谱。其中i＜n,具体取值可以根据实际需要确定，本申请中i可以取4，这是由于在信噪比为0dB的情况下，i从1开始增加，当低频段(靠近0附近)出现明显信号(信号峰值大，噪声小)，则i取明显信号出现时的值。
S13：对总希尔伯特谱进行时间上的累加，得到边际谱。
对希尔伯特谱进行时间上的累加，也即对希尔伯特谱进行时间的积分，得到对应的边际谱。通过Hilbert谱对时间枳分，能够得到频率-振幅分布的边际谱，希尔伯特边际谱从统计观点上表示了该频率上振幅(能量)在时间上的累加，能够反映各频率上的能量分布。但因为瞬时频率定义为时间的函数，不同傅里叶变换等需要完整的信号来定义局部的频率值，而且求取的能量值不是全局定义，因此对信号的局部特征反映更准确。尤其是在分析非平稳信号时，这种定义对于频率随时间变化的信号特征来说，能够反映真实的振动特点。在希尔伯特边缘谱中某一频率上存在的能量就意味着具有该频率的振动存在的可能性，该振动出现的具体时刻在希尔伯特谱中可体现出来。
S14：判断边际谱是否大于或者等于预设判决门限值，如果是，则确定待检测信号中存在主用户信号，如果否，则确定待检测信号中不存在主用户信号。
其中判决门限值为根据实际需要设定的，只要边际谱大于或者等于该判决门限值，则确定待检测信号中存在主用户信号，否则则确定待检测信号中不存在主用户信号。
本申请公开的技术方案中，将待检测信号进行EMD分解得到n个IMF分量，然后对每个IMF分量进行希尔伯特变换对应希尔伯特谱，并将第1个至第i个希尔伯特谱叠加得到总希尔伯特谱，并对总希尔伯特谱进行时间上的累加得到对应的边际谱，最终利用该边际谱与预设判决门限值的比对确定出待检测信号中是否存在主用户信号。其中经验模式分解方法是一种自适应的、高效的数据分解方法，由于这种分解是以局部时间尺度为基础，因此它适用于非线性、非平稳过程；而希尔伯特黄变换是自适应的依据信号自身特性设定特征时间尺度对信号进行分解；因为本申请提供的上述技术方案能够准确的反映无线频谱信号的局部特征，既适合于非线性、非平稳无线频谱信号的分析，也适合于线性、平稳无线频谱信号的分析，从而大大提高了频谱感知的准确率。
本发明实施例提供的一种基于希尔伯特黄变换的频谱感知方法，对待检测信号进行EMD分解，得到对应的n个IMF分量，可以包括：
S111：确定待检测信号为当前处理信号；
S112：确定当前处理信号中包含的全部局部极大值及局部极小值，并采用三次样条插值法对全部局部极大值及局部极小值进行拟合，构造出对应的极大值包络及极小值包络，计算极大值包络及极小值包络的平均值，得到瞬时平均值；
S113：将当前处理信号减去最新的瞬时平均值，得到信号分量，如果该信号分量满足IMF条件，则确定该信号分量为IMF分量，并将当前处理信号减去该IMF分量得到信号残差，判断信号残差是否满足分解停止条件，若是则分解完毕，若否则将该信号残差作为当前处理信号返回执行S112；如果该信号分量不满足IMF条件，则将信号分量作为当前处理信号返回执行S112。
需要说明的是，经验模态分解往往被称为是一个“筛选”过程，这个筛选过程依据信号特点自适应地把任意一个复杂信号分解为一系列本征模态函数IMF。上述EMD分解“筛选”过程具体步骤可以如下：
(1)：确定待检测信号x(t)的所有局部极大值和局部极小值；
(2)：采用三次样条插值法分别对所有局部极大值和局部极小值进行拟合，构造出极大值包络xmax(t)和极小值包络xmin(t)，计算xmax(t)和xmin(t)的平均值，获得瞬时平均值m1(t):
(3)：x(t)减去m1(t)，可得到第一个信号分量h1(t)：
h1(t)＝x(t)-m1(t)
考察h1(t)是否满足IMF条件，如果满足则转到步骤(4)，否则对h1(t)进行步骤(1)和步骤(2)的操作，得到均值包络线m11(t)，进而得到：
h11(t)＝h1(t)-m11(t)
依次下去，直到第k步h1k(t)满足IMF条件，则：
C1(t)＝h1k(t)
C1(t)即为分解出来的第一阶IMF分量。
(4)：将x(t)减去第一阶IMF分量C1(t)得到第一个残差r1(t)，即：
x(t)-C1(t)＝r1(t)
将r1(t)看作待检测信号重复上述步骤(1)～(4)，得到r2(t)。以此类推，直到残差rn(t)变成单调函数或是常数为止，残差rn(t)变成单调函数或是常数即为上述分解停止条件。
因此，待检测信号x(t)可以表示成如下形式：
另外IMF条件可以包括：标准偏差(Standard Deviation)SD＜0.27，余量均值或者极值(极大值、极小值)数目为0(rn(t)单调)。两者均满足则为满足IMF条件，任一不满足则为不满足IMF条件。具体来说，IMF条件是一种类似于Cauchy收敛准则的标准，定义为标准偏差，其表达式为：
通常SD的取值在0.2到0.3之间时筛选过程可以结束，本申请中为设定SD小于0.27时筛选过程可以结束；为rn(t)的均值，当SD和r均满足对应的条件时筛选过程结束。另外上述0.27及0.001均是可以根据实际需要进行设定的，所以也可以根据实际需要进行其他设定，其中0.001可以根据待检测信号的信号幅值大小决定，如可取千分之一的幅值平均值作为该数据。
本发明实施例提供的一种基于希尔伯特黄变换的频谱感知方法，求出每个IMF分量的希尔伯特谱，可以包括：
按照下式对每个IMF分量进行希尔伯特黄变换，得到对应的希尔伯特谱：
其中，P表示Cauchy主值，τ表示时间积分变量，t表示时间，π表示圆周率值，Cj(t)表示任一IMF分量，H[Cj(t)]表示对应的希尔伯特谱。
本发明实施例提供的一种基于希尔伯特黄变换的频谱感知方法，将第1个至第i个IMF分量分别对应的希尔伯特谱进行叠加，得到总希尔伯特谱，可以包括：
按照下列公式计算得到总希尔伯特谱：
其中，i表示虚数，j表示第j个IMF分量，t表示时间，wi(t)表示瞬时角频率，H(ω,t)表示总希尔伯特谱。
本发明实施例提供的一种基于希尔伯特黄变换的频谱感知方法，对总希尔伯特谱进行时间上的累加，得到边际谱，可以包括：
按照下列公式计算得到边际谱：
其中h(ω)表示边际谱，T表示数据总长度，由于无线频谱信号是连续的，因此为了便于分析，本申请中需要根据实际需要截取预先设定的一定长度的获取到的信号作为待检测信号，而T则表示待检测信号的数据总长度。
对上述步骤进行详细说明：
设IMF分量为Cj(t)，对EMD分解后的每一个IMF分量作Hilbert变换，如下式：
构造Cj(t)的解析信号为：
其中：
aj(t)为解析信号的幅值函数，θj(t)为解析信号的相位函数，两者都随时间的变化而变化。对相位函数θj(t)求导就得到瞬时频率：
则IMF分量可以表示如下：
对每个IMF分量做Hilbert变换，求出瞬时频率，得到Hilbert时频谱，即：
Hilbert谱h(ω,t)对时间积分，可以定义Hilbert边际谱h(ω)，表示如下：
该式表示了每个频率点在全局上的幅度(或能量)分布，即信号瞬时频率ω总幅值的大小。
另外为了避免过多赘述，对于本发明实施例公开的上述技术方案中与现有技术中对应技术方案实现原理一致的部分未做详细说明。
本发明实施例还提供了一种基于希尔伯特黄变换的频谱感知装置，如图2所示，可以包括：
分解模块11，用于：获取待检测信号，并对待检测信号进行EMD分解，得到对应的n个IMF分量，待检测信号为无线频谱信号；
叠加模块12，用于：求出每个IMF分量的希尔伯特谱，并将第1个至第i个IMF分量分别对应的希尔伯特谱进行叠加，得到总希尔伯特谱，其中i小于n；
累加模块13，用于：对总希尔伯特谱进行时间上的累加，得到边际谱；
判断模块14，用于：判断边际谱是否大于或者等于预设判决门限值，如果是，则确定待检测信号中存在主用户信号，如果否，则确定待检测信号中不存在主用户信号。
本发明实施例提供的一种基于希尔伯特黄变换的频谱感知装置，分解模块可以包括：
分解单元，用于执行以下操作：步骤1：确定待检测信号为当前处理信号；步骤2：确定当前处理信号中包含的全部局部极大值及局部极小值，并采用三次样条插值法对全部局部极大值及局部极小值进行拟合，构造出对应的极大值包络及极小值包络，计算极大值包络及极小值包络的平均值，得到瞬时平均值；步骤3：将当前处理信号减去最新的瞬时平均值，得到信号分量，如果该信号分量满足IMF条件，则确定该信号分量为IMF分量，并将当前处理信号减去该IMF分量得到信号残差，判断信号残差是否满足分解停止条件，若是则分解完毕，若否则将该信号残差作为当前处理信号返回执行步骤2；如果该信号分量不满足IMF条件，则将信号分量作为当前处理信号返回执行步骤2。
本发明实施例提供的一种基于希尔伯特黄变换的频谱感知装置，叠加模块可以包括：
变换单元，用于：按照下式对每个IMF分量进行希尔伯特黄变换，得到对应的希尔伯特谱：
其中，P表示Cauchy主值，τ表示时间积分变量，t表示时间，π表示圆周率值，Cj(t)表示任一IMF分量，H[Cj(t)]表示对应的希尔伯特谱。
本发明实施例提供的一种基于希尔伯特黄变换的频谱感知装置，叠加模块可以包括：
叠加单元，用于：按照下列公式计算得到总希尔伯特谱：
其中，i表示虚数，j表示第j个IMF分量，t表示时间，wi(t)表示瞬时角频率，H(ω,t)表示总希尔伯特谱。
本发明实施例提供的一种基于希尔伯特黄变换的频谱感知装置，累加模块可以包括：
累加单元，用于：按照下列公式计算得到边际谱：
其中h(ω)表示边际谱，T表示数据总长度。
本发明实施例提供的一种基于希尔伯特黄变换的频谱感知装置中相关部分的说明请参见本发明实施例提供的一种基于希尔伯特黄变换的频谱感知方法中对应部分的详细说明，在此不再赘述。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于希尔伯特黄变换的频谱感知方法，其特征在于，包括：
获取待检测信号，并对所述待检测信号进行EMD分解，得到对应的n个IMF分量，所述待检测信号为无线频谱信号；
求出每个所述IMF分量的希尔伯特谱，并将第1个至第i个所述IMF分量分别对应的希尔伯特谱进行叠加，得到总希尔伯特谱，其中i小于n；
对所述总希尔伯特谱进行时间上的累加，得到边际谱；
判断所述边际谱是否大于或者等于预设判决门限值，如果是，则确定所述待检测信号中存在主用户信号，如果否，则确定所述待检测信号中不存在主用户信号。
2.根据权利要求1所述的方法，其特征在于，对所述待检测信号进行EMD分解，得到对应的n个IMF分量，包括：
步骤1：确定所述待检测信号为当前处理信号；
步骤2：确定当前处理信号中包含的全部局部极大值及局部极小值，并采用三次样条插值法对全部局部极大值及局部极小值进行拟合，构造出对应的极大值包络及极小值包络，计算所述极大值包络及极小值包络的平均值，得到瞬时平均值；
步骤3：将所述当前处理信号减去最新的瞬时平均值，得到信号分量，如果该信号分量满足IMF条件，则确定该信号分量为IMF分量，并将当前处理信号减去该IMF分量得到信号残差，判断所述信号残差是否满足分解停止条件，若是则分解完毕，若否则将该信号残差作为当前处理信号返回执行步骤2；如果该信号分量不满足IMF条件，则将所述信号分量作为当前处理信号返回执行步骤2。
3.根据权利要求2所述的方法，其特征在于，求出每个所述IMF分量的希尔伯特谱，包括：
按照下式对每个IMF分量进行希尔伯特黄变换，得到对应的希尔伯特谱：
<mrow>
<mi>H</mi>
<mo>&lsqb;</mo>
<msub>
<mi>C</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>=</mo>
<mi>P</mi>
<mo>&CenterDot;</mo>
<mfrac>
<mn>1</mn>
<mi>&pi;</mi>
</mfrac>
<munderover>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mi>&infin;</mi>
</munderover>
<mfrac>
<mrow>
<msub>
<mi>C</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mi>&tau;</mi>
</mrow>
</mfrac>
<mi>d</mi>
<mi>t</mi>
</mrow>
其中，P表示Cauchy主值，τ表示时间积分变量，t表示时间，π表示圆周率值，Cj(t)表示任一IMF分量，H[Cj(t)]表示对应的希尔伯特谱。
4.根据权利要求3所述的方法，其特征在于，将第1个至第i个所述IMF分量分别对应的希尔伯特谱进行叠加，得到总希尔伯特谱，包括：
按照下列公式计算得到总希尔伯特谱：
<mrow>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>Re</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>a</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>e</mi>
<mrow>
<mi>i</mi>
<mo>&Integral;</mo>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</msup>
</mrow>
<mrow>
<msub>
<mi>a</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mrow>
<msubsup>
<mi>C</mi>
<mi>j</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msup>
<mi>H</mi>
<mn>2</mn>
</msup>
<mo>&lsqb;</mo>
<msub>
<mi>C</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</msqrt>
</mrow>
其中，i表示虚数，j表示第j个IMF分量，t表示时间，wi(t)表示瞬时角频率，H(ω,t)表示总希尔伯特谱。
5.根据权利要求4所述的方法，其特征在于，对所述总希尔伯特谱进行时间上的累加，得到边际谱，包括：
按照下列公式计算得到边际谱：
<mrow>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Integral;</mo>
<mn>0</mn>
<mi>T</mi>
</munderover>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
其中h(ω)表示边际谱，T表示数据总长度。
6.一种基于希尔伯特黄变换的频谱感知装置，其特征在于，包括：
分解模块，用于：获取待检测信号，并对所述待检测信号进行EMD分解，得到对应的n个IMF分量，所述待检测信号为无线频谱信号；
叠加模块，用于：求出每个所述IMF分量的希尔伯特谱，并将第1个至第i个所述IMF分量分别对应的希尔伯特谱进行叠加，得到总希尔伯特谱，其中i小于n；
累加模块，用于：对所述总希尔伯特谱进行时间上的累加，得到边际谱；
判断模块，用于：判断所述边际谱是否大于或者等于预设判决门限值，如果是，则确定所述待检测信号中存在主用户信号，如果否，则确定所述待检测信号中不存在主用户信号。
7.根据权利要求6所述的装置，其特征在于，所述分解模块包括：
分解单元，用于执行以下操作：步骤1：确定所述待检测信号为当前处理信号；步骤2：确定当前处理信号中包含的全部局部极大值及局部极小值，并采用三次样条插值法对全部局部极大值及局部极小值进行拟合，构造出对应的极大值包络及极小值包络，计算所述极大值包络及极小值包络的平均值，得到瞬时平均值；步骤3：将所述当前处理信号减去最新的瞬时平均值，得到信号分量，如果该信号分量满足IMF条件，则确定该信号分量为IMF分量，并将当前处理信号减去该IMF分量得到信号残差，判断所述信号残差是否满足分解停止条件，若是则分解完毕，若否则将该信号残差作为当前处理信号返回执行步骤2；如果该信号分量不满足IMF条件，则将所述信号分量作为当前处理信号返回执行步骤2。
8.根据权利要求7所述的装置，其特征在于，所述叠加模块包括：
变换单元，用于：按照下式对每个IMF分量进行希尔伯特黄变换，得到对应的希尔伯特谱：
<mrow>
<mi>H</mi>
<mo>&lsqb;</mo>
<msub>
<mi>C</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>=</mo>
<mi>P</mi>
<mo>&CenterDot;</mo>
<mfrac>
<mn>1</mn>
<mi>&pi;</mi>
</mfrac>
<munderover>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mi>&infin;</mi>
</munderover>
<mfrac>
<mrow>
<msub>
<mi>C</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mi>&tau;</mi>
</mrow>
</mfrac>
<mi>d</mi>
<mi>t</mi>
</mrow>
其中，P表示Cauchy主值，τ表示时间积分变量，t表示时间，π表示圆周率值，Cj(t)表示任一IMF分量，H[Cj(t)]表示对应的希尔伯特谱。
9.根据权利要求8所述的装置，其特征在于，所述叠加模块包括：
叠加单元，用于：按照下列公式计算得到总希尔伯特谱：
<mrow>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>Re</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>a</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>e</mi>
<mrow>
<mi>i</mi>
<mo>&Integral;</mo>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</msup>
</mrow>
<mrow>
<msub>
<mi>a</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mrow>
<msubsup>
<mi>C</mi>
<mi>j</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msup>
<mi>H</mi>
<mn>2</mn>
</msup>
<mo>&lsqb;</mo>
<msub>
<mi>C</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</msqrt>
</mrow>
其中，i表示虚数，j表示第j个IMF分量，t表示时间，wi(t)表示瞬时角频率，H(ω,t)表示总希尔伯特谱。
10.根据权利要求9所述的装置，其特征在于，所述累加模块包括：
累加单元，用于：按照下列公式计算得到边际谱：
<mrow>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Integral;</mo>
<mn>0</mn>
<mi>T</mi>
</munderover>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
2
其中h(ω)表示边际谱，T表示数据总长度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710294722.6A CN107070568B (zh) | 2017-04-28 | 2017-04-28 | 一种基于希尔伯特黄变换的频谱感知方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710294722.6A CN107070568B (zh) | 2017-04-28 | 2017-04-28 | 一种基于希尔伯特黄变换的频谱感知方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107070568A true CN107070568A (zh) | 2017-08-18 |
| CN107070568B CN107070568B (zh) | 2021-01-26 |
Family
ID=59605201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710294722.6A Active CN107070568B (zh) | 2017-04-28 | 2017-04-28 | 一种基于希尔伯特黄变换的频谱感知方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107070568B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108241850A (zh) * | 2017-12-08 | 2018-07-03 | 浙江工业大学 | 一种基于hht的控制阀气密性故障诊断方法 |
| CN108494509A (zh) * | 2018-03-09 | 2018-09-04 | 广东工业大学 | 一种协作频谱感知方法及装置 |
| CN108596879A (zh) * | 2018-04-02 | 2018-09-28 | 北京工业大学 | 一种基于希尔伯特黄变换的fMRI时频域动态网络构建方法 |
| CN108919241A (zh) * | 2018-07-03 | 2018-11-30 | 西北工业大学 | 一种基于恒虚警检测的水下信号时频端点参数估计方法 |
| CN109299431A (zh) * | 2018-08-27 | 2019-02-01 | 杭州电子科技大学 | 基于希尔伯特边际谱特征的光伏组件性能一致性评价方法 |
| CN109916624A (zh) * | 2019-03-22 | 2019-06-21 | 南京理工大学 | 一种基于希尔伯特黄的滚珠丝杠副疲劳失效诊断方法 |
| CN110405173A (zh) * | 2019-08-12 | 2019-11-05 | 大连理工大学 | 一种采用希尔伯特-黄变换检测和定位连铸坯鼓肚的方法 |
| CN111259307A (zh) * | 2020-01-11 | 2020-06-09 | 大连理工大学 | 一种采用希尔伯特-黄变换预测连铸坯鼓肚变形量的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103050942A (zh) * | 2012-12-21 | 2013-04-17 | 山东科技大学 | 一种基于hht的ct饱和检测方法 |
| CN103941091A (zh) * | 2014-04-25 | 2014-07-23 | 福州大学 | 基于改进emd端点效应的电力***hht谐波检测方法 |
| CN106371002A (zh) * | 2015-07-24 | 2017-02-01 | 国网四川省电力公司眉山供电公司 | 一种基于希尔伯特黄变换算法对断路器故障诊断的方法 |
-
2017
- 2017-04-28 CN CN201710294722.6A patent/CN107070568B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103050942A (zh) * | 2012-12-21 | 2013-04-17 | 山东科技大学 | 一种基于hht的ct饱和检测方法 |
| CN103941091A (zh) * | 2014-04-25 | 2014-07-23 | 福州大学 | 基于改进emd端点效应的电力***hht谐波检测方法 |
| CN106371002A (zh) * | 2015-07-24 | 2017-02-01 | 国网四川省电力公司眉山供电公司 | 一种基于希尔伯特黄变换算法对断路器故障诊断的方法 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108241850A (zh) * | 2017-12-08 | 2018-07-03 | 浙江工业大学 | 一种基于hht的控制阀气密性故障诊断方法 |
| CN108494509A (zh) * | 2018-03-09 | 2018-09-04 | 广东工业大学 | 一种协作频谱感知方法及装置 |
| CN108596879B (zh) * | 2018-04-02 | 2021-09-24 | 北京工业大学 | 一种基于希尔伯特黄变换的fMRI时频域动态网络构建方法 |
| CN108596879A (zh) * | 2018-04-02 | 2018-09-28 | 北京工业大学 | 一种基于希尔伯特黄变换的fMRI时频域动态网络构建方法 |
| CN108919241A (zh) * | 2018-07-03 | 2018-11-30 | 西北工业大学 | 一种基于恒虚警检测的水下信号时频端点参数估计方法 |
| CN108919241B (zh) * | 2018-07-03 | 2022-03-22 | 西北工业大学 | 一种基于恒虚警检测的水下信号时频端点参数估计方法 |
| CN109299431A (zh) * | 2018-08-27 | 2019-02-01 | 杭州电子科技大学 | 基于希尔伯特边际谱特征的光伏组件性能一致性评价方法 |
| CN109299431B (zh) * | 2018-08-27 | 2022-11-04 | 杭州电子科技大学 | 基于希尔伯特边际谱特征的光伏组件性能一致性评价方法 |
| CN109916624A (zh) * | 2019-03-22 | 2019-06-21 | 南京理工大学 | 一种基于希尔伯特黄的滚珠丝杠副疲劳失效诊断方法 |
| CN109916624B (zh) * | 2019-03-22 | 2020-11-06 | 南京理工大学 | 一种基于希尔伯特黄的滚珠丝杠副疲劳失效诊断方法 |
| CN110405173A (zh) * | 2019-08-12 | 2019-11-05 | 大连理工大学 | 一种采用希尔伯特-黄变换检测和定位连铸坯鼓肚的方法 |
| CN110405173B (zh) * | 2019-08-12 | 2020-12-11 | 大连理工大学 | 一种采用希尔伯特-黄变换检测和定位连铸坯鼓肚的方法 |
| CN111259307B (zh) * | 2020-01-11 | 2022-10-04 | 大连理工大学 | 一种采用希尔伯特-黄变换预测连铸坯鼓肚变形量的方法 |
| CN111259307A (zh) * | 2020-01-11 | 2020-06-09 | 大连理工大学 | 一种采用希尔伯特-黄变换预测连铸坯鼓肚变形量的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107070568B (zh) | 2021-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107070568A (zh) | 一种基于希尔伯特黄变换的频谱感知方法 | |
| CN103746722B (zh) | 一种跳频信号跳周期和起跳时间估计方法 | |
| CN103607361B (zh) | Alpha稳定分布噪声下时频重叠信号的参数预估方法 | |
| CN103235180B (zh) | 一种电网间谐波测量方法 | |
| CN104459398B (zh) | 一种采用二维形态学降噪的电能质量复合扰动识别方法 | |
| CN105760347B (zh) | 一种基于数据/极值联合对称延拓的hht端点效应抑制方法 | |
| CN103308804A (zh) | 基于快速k-s变换电能质量扰动信号时频参数提取方法 | |
| CN109211568A (zh) | 基于条件经验小波变换的滚动轴承故障诊断方法 | |
| CN110095650A (zh) | 基于五项Rife-Vincent(I)窗的四谱线插值FFT的复杂谐波检测分析方法 | |
| CN110726875B (zh) | 一种新能源柔性直流并网暂态谐波检测方法及*** | |
| CN103346845A (zh) | 基于快速傅里叶变换的盲频谱感知方法及装置 | |
| CN108535613B (zh) | 一种基于组合窗函数的电压闪变参数检测方法 | |
| CN103811017B (zh) | 一种基于Welch法的冲床噪声功率谱估计改进方法 | |
| CN102323480A (zh) | 一种基于Hilbert-Huang变换的电能质量分析方法 | |
| CN108594177A (zh) | 基于改进hht的雷达信号调制方式分析方法、信号处理*** | |
| CN106911410A (zh) | 一种通信主用户感知方法及*** | |
| CN104457643B (zh) | 一种轨道几何检测数据的脉冲噪声滤波方法及装置 | |
| CN104714075A (zh) | 一种电网电压闪变包络参数提取方法 | |
| CN104597321A (zh) | 基于四条离散傅里叶复数谱线的信号频率测量方法及装置 | |
| CN103310800B (zh) | 一种抗噪声干扰的浊语音检测方法及*** | |
| CN104849750B (zh) | 基于目标波波形分析的核电楼层谱人工波拟合方法 | |
| CN102095552A (zh) | 一种消除信号相位随机误差的方法 | |
| CN102721663A (zh) | 一种基于自适应滤波的近红外土壤光谱去噪方法 | |
| CN103245830A (zh) | 一种结合ar谱估计与非线性优化的间谐波检测方法 | |
| CN109163683A (zh) | 轨道波磨病害诊断方法与装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |