經驗模態分解在振動分析中的應用（簡體書）

第1章 緒論
1.1 時頻分析方法的研究意義
1.2 常見時頻分析方法及其局限性
1.2.1 短時傅里葉變換
1.2.2 Wigner-Ville分布
1.2.3 小波變換
1.3 經驗模態分解的提出
1.4 經驗模態分解的研究現狀
1.5 經驗模態分解的優勢和研究方向
1.5.1 經驗模態分解的優勢
1.5.2 經驗模態分解的研究方向
1.6 經驗模態分解在振動信號處理中的應用
1.6.1 信號去噪
1.6.2 非線性振動分析
1.6.3 故障診斷
1.6.4 語音增強
1.6.5 其他應用

第2章 經驗模態分解基本理論
2.1 瞬時頻率
2.2 特征模態函數
2.3 經驗模態分解
2.4 希爾伯特譜分析
2.5 經驗模態分解特性

第3章 經驗模態分解的端點延拓和模態混疊
3.1 端點問題的提出
3.2 利用Volterra模型的端點延拓
3.2.1 Volterra模型簡介
3.2.2 仿真分析
3.3 基于最大Lyapunov指數預測的端點延拓
3.3.1 最大Lyapunov指數的混沌預測相關概念方法
3.3.2 仿真分析
3.4 基于支持向量機回歸預測的端點延拓
3.4.1 支持向量機回歸預測原理
3.4.2 仿真分析
3.5 采用聚合經驗模態分解抑制模態混疊
3.5.1 經驗模態分解的模態混疊
3.5.2 聚合經驗模態分解的原理及分解步驟
3.5.3 聚合經驗模態分解在滾動軸承信號分解中的應用

第4章 閾值去噪方法
4.1 小波去噪
4.1.1 小波變換
4.1.2 小波去噪的基本原理和方法
4.1.3 小波閾值去噪
4.1.4 新小波閾值函數去噪
4.2 經驗模態分解閾值去噪方法
4.3 仿真分析

第5章 基于經驗模態分解的非線性振動分析
5.1 基于經驗模態分解的非線性預測
5.1.1 最大可預測時間
5.1.2 仿真分析
5.2 隨機噪聲對經驗模態分解及其非線性特征的影響
5.2.1 隨機噪聲對非線性響應經驗模態分解的影響
5.2.2 噪聲對非線性特征的影響
5.3 IMF變化對原信號非線性特征影響
5.3.1 IMF缺失對系統非線性特征影響
5.3.2 IMF比例縮小對系統非線性特征影響
5.3.3 IMF移位對系統非線性特征影響

第6章 基于經驗模態分解的故障特征提取與信號處理
6.1 利用經驗模態分解下的Volterra模型提取結構損傷特征量
6.1.1 利用經驗模態分解下的V0ltem模型提取損傷特征量的方法和步驟
6.1.2 仿真分析
6.2 利用特征模態函數分量包絡矩陣的奇異值提取結構損傷特征量
6.2.1 利用特征模態函數包絡和奇異值提取損傷特征量的方法和步驟
6.2.2 仿真分析
6.3 基于經驗模態分解的振動信號盲源分離
6.3.1 盲源分離研究背景
6.3.2 主分量分析
6.3.3 EMD-PCA-DSS方法
6.3.4 仿真分析

第7章 基于經驗模態分解的語音信號研究
7.1 語音信號基本概念
7.1.1 語音、人耳感知及干擾噪聲
7.1.2 語音增強的意義和應用
7.1.3 語音增強方法研究進展
7.2 基于經驗模態分解的語音增強
7.3 基于經驗模態分解的語音端點檢測
7.3.1 語音端點檢測算法
7.3.2 基于經驗模態分解的互相關函數的語音端點門限值編碼
7.4 基于人耳聽覺特性的小波變換的語音增強
7.4.1 基于小波變換的耳蝸濾波器組實現
7.4.2 基于人耳聽覺特性的小波變換的語音增強算法
7.5 算法測試及性能評價
7.5.1 語音質量評價方法
7.5.2 仿真分析

第8章 經驗模態分解在實驗數據分析中的應用
8.1 滾動軸承的結構損傷檢測實驗
8.1.1 滾動軸承的主要損傷形式
8.1.2 滾動軸承的結構組成、固有頻率和損傷特征頻率
8.1.3 滾動軸承振動信號特征
8.1.4 滾動軸承損傷實驗
8.1.5 買驗結果
8.2 結構損傷特征量提取
8.2.1 滾動軸承損傷與非損傷的特征量提取
8.2.2 滾動軸承不同損傷位置的特征量提取
8.2.3 滾動軸承不同損傷程度的特征量提取
8.3 Voltem模型在滾動軸承信號分解中的應用
8.4 非線性裂紋轉子實驗信號的端點延拓
8.4.1 實驗模型及其原理
8.4.2 實驗裝置
8.4.3 實驗數據分析
8.5 雙盤轉子信號的盲源分離
參考文獻