美籍华人Huang［81－82］在Hilbert变换的基础上发展了一种专门针对非线性、非稳态时间序列进行分析的时频分析方法：希尔伯特－黄变换（Hilbert－Huang Transform，HHT）。它是一种适合分析非平稳过程的信号处理方法，而且基于HHT变换的Hilbert谱比小波谱更能清晰地刻画信号能量随时间、频率的分布。
该方法主要分为两步，首先对信号进行经验模式分解（Empirical Mode Decomposition，EMD）得到一系列的本征模式函数（Intrinsic Mode Function，IMF），然后对本征模式函数应用Hilbert变换。它的核心是经验模式分解，与建立在以谐波基函数为基础的傅里叶分解以及建立在以小波基函数为基础的小波分解不同，经验模式分解直接以信号本身的时间尺度特征为基础进行分解，更能反映信号的时域特征。
HHT方法以瞬时频率为基本量，以固有模态信号为基本信号，与以往的时频分析方法相比有明显的区别，在应用中已表现出了独特的优点。自1998年提出以来，国内外的许多学者就把它应用到不同的工程领域中。(www.xing528.com)
Fildman［83－84］提出了一种转子的损伤诊断方法，通过HHT变换计算信号的幅值和瞬态频率，进而把测量数据中由于损伤而产生的各种各样的非线性类型进行识别和分类，进行损伤的定位和判断损伤的程度。Yang等［85］把HHT变换应用到土木工程结构的损伤识别中，首先计算损伤前后结构加速度响应的互相关函数，并对互相关函数作HHT变换，然后识别结构损伤前后的自振频率和阻尼比以及刚度矩阵，以此来判断结构是否发生损伤。通过对Benchmark结构的数值结果表明，该方法能够精确地识别结构的损伤位置和程度。胡劲松等［86］把HHT时频分析方法引入转子裂纹故障诊断领域，通过对模拟横向裂纹故障转子的实验研究表明，基于HHT的时频分析方法能把横向裂纹转子的扭转振动所形成的相位调制现象在时频谱图中明确地表征出来，为裂纹故障的预报和诊断提供了较好的手段。王学敏等［87］则用EMD方法有效消除了桥梁振动信号中的局部干扰。杨宇等［88］选取经EMD分解后的各IMF分量的能量作为神经网络的特征向量来识别正常轴承和故障轴承。李书进等［89］用加速度信号的HHT谱来识别建筑结构的损伤，相比Fourier谱和小波谱更有效。
尽管HHT技术在处理非线性、非稳态信号方面有很大的优势，但是这个方法还处在发展阶段，有许多问题需要进一步研究，特别在理论严密性和方法的完善方面还有许多工作要做。这些都有待于在以后的工作中进一步探讨研究，提出有效的解决方法。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
