振动测试法研究：HHT方法的特点

从以上分析中可以看出HHT方法具有以下的优点：

（1）经验模式分解方法可以有效地提取或去掉数据序列的均值，把复杂的数据分解成若干线性、平稳的模式函数，能有效地处理非平稳信号，较好地分离强间歇信号。

（2）本征模式函数是基于数据序列的时间特征尺度得出的。不同的数据有不同的本征模式函数，每个本征模式函数可以认为是信号中固有的一个模态，所以通过Hilbert变换得到的瞬时频率具有清晰的物理意义，能够表征信号的局部特征，可以信号中辨别出奇异信号。

（3）与傅里叶变换以余弦函数为基底进行信号分解不同，HHT变换局部性能良好，而且是自适应的，没有固定的先验基底，分解完全基于数据本身进行。

（4）Hilbert谱把各本征模式函数的振幅以灰度的形式表现在时间－频率图上，与传统的如傅里叶谱相比更加直观、清晰。

（5）在线性框架下，HHT谱与小波谱具有相同的表现特性，但HHT谱在时域内的分辨率高于小波谱，能准确反映出信号数据的非线性变化特性。

尽管HHT方法在处理非线性、非稳态信号方面有很大的优势，但还处在发展阶段，在理论的严密性和方法的实用性方面还有许多工作要做［30－32］。目前存在的一些主要问题有：(www.xing528.com)

（1）HHT变换是以经验模式分解分离本征模式函数为基础的，缺少理论推理上的严密性，其基的完备性还需要严密的证明。

（2）通过信号极值点拟合信号包络线的算法影响着经验模式分解的全过程，最终也影响着瞬时频率的计算，是HHT变换中的关键问题，但如何从理论上严格确定HHT中的包络线算法是迄今还未解决的问题。目前采用的是经验计算，其中最常用的是三次样条插值法。实践证明，三次样条插值法的确是一种相对较理想的包络线算法，在许多情况下能获得比较满意的分析效果。但样条插值法容易出现过冲问题，不仅容易使上、下包络线的平均值曲线发生偏移，甚至使经验模式分解过程所要求的条件式也得不到满足，因此需对包络线算法进行深入探索和改进。

（3）边界效应问题。理论上，经验模式分解后获得的每个本征模式函数都应该是完整的、自适应的，几乎与分析信号正交的。但实际上，在端点拟合过程中在信号尾部常常会出现大的波动，因为信号的两个端点可能不是局部极值点。这些波动会污染了整个信号域，破坏整个数据特性，从而产生不理想的本征模式函数，特别是在低频分量中常常会出现伪分量。

（4）在实际信号分析中，发现第一个IMF分量经常会覆盖较大的频率范围，不能很好地满足单分量的要求，这时低能量区域的信号常常会被高能量区域的信号所遮掩。

这些问题都需要在以后的工作中进一步深入研究，提出有效的解决方法。