熊 炘，占 锐，王小静

(上海大学机电工程与自动化学院 上海，200072)



同步压缩小波与希尔伯特-黄变换性能对比*

熊 炘，占 锐，王小静

(上海大学机电工程与自动化学院 上海，200072)

经验模式分解(empirical mode decomposition 简称EMD)中包络均值代替信号实际均值的算法误差，使其在处理复杂多频振动信号时易出现模式混叠，引起分析误差。针对这一问题，采用同步压缩小波变换(synchrosqueezed wavelet transform ，简称SWT)根据时间-尺度平面中各元素模的大小，对平面内的能量进行重新分配，通过映射关系将时间-尺度平面转化为时间-频率平面，获得频率曲线更加集中的时频表达。这一方法的正交性与算法自身良好的数据驱动性降低了模式混叠引起的时频分析误差，多组分仿真信号时频特征提取证明了SWT的优异时频特性，利用旋转机械不对中振动位移信号进行了实测数据分析。结果表明，SWT能够精确描述谐波信号的频率构成，且所获时频能量分布集中，时、频域定位精度高，为机械设备的状态监测与故障诊断提供了一种新的时频分析手段。

时频分析； 同步压缩小波变换； 希尔伯特-黄变换； 特征提取； 旋转机械

引 言

时频分析可洞察信号各组分的结构，直观反映出信号中频率构成随时间的变化规律，在设备状态监测与故障诊断领域越来越受到重视[1]。近年来，一系列新的时频分析工具的出现为快速精确提取时频特征提供了新的途径。第2代小波分析、多小波分析[2]以及基于经验模式分解的希尔伯特-黄变换(Hilbert-Huang transform, 简称HHT)被广泛应用于工程实际中的各个领域[3]。……