练继建， 荣钦彪， 董霄峰,3， 王鸿振， 刘 卓

(1. 天津大学 建筑工程学院，天津 300072；2. 天津大学 水利工程仿真与安全国家重点实验室，天津 300072；3.天津大学 前沿技术研究院有限公司，天津 301700)

希尔伯特-黄变换(Hilbert-Huang Transform，HHT)是Huang等[1-2]提出的用于处理非线性、非平稳信号的时频分析方法，是由希尔伯特变换(Hilbert Transform，HT)和经验模态分解(Empirical Mode Decomposition，EMD)两部分组成[3]。HT要求信号在任何时间点上只有唯一的“窄带”频率值，EMD能将非线性、非平稳的信号转化分解成多个本征模态函数(Intrinsic Mode Function，IMF)，IMF具备的条件恰能满足HT分析要求。因此，EMD拓展了HT方法的应用[4-5]。目前，HHT已在故障诊断[6]、医学、爆破、地震等非线性信号分析领域普及应用[7-8]。

EMD是HHT结构模态参数识别的基础，IMF质量好坏关系后续HT模态参数识别的精度，而模态混叠很大程度上影响IMF的分解质量[9]。造成模态混叠的根本原因表现在密集模态相互作用和间断事件干扰两个方面。针对密集模态互相作用造成的模态混叠：孙伟峰等[10]提出了使用增加IMF筛选迭代次数和改进掩蔽信号的方式，并以仿真试验证明了方法的有效性；肖瑛等[11]认为模态混叠的根源是各阶IMF间不完全正交，提出在EMD分解的过程中加入解相关的算法解决模态混叠问题；胡维平等[12]使用改进的屏蔽信号来限制分解信号带宽，进而解决密集模态相互作用造成的模态混叠；黄天立等[13]通过波组信号改变了相邻模态频比，进而实现EMD对密集模态的有效分解。针对因间断事件干扰造成的模态混叠：Wu等[14-15]提出总体平均经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)，能有效平滑信号中存在的间断事件提高IMF的分解质量，但会遗留部分辅助残余噪声；……