|||
希尔伯特变换 (Hilbert transform(HT)) 1主要用于求实数信号的包络,也可以用于数据分析,如Hilbert-Huang transform (HHT)2。
HT在实际应用中会遇到两个具体的问题:i)其滤波器在零点是奇异的,不易于实际计算;ii)其不能压制高频噪声,因而不利于求包络。本博客提供一个低通HT,即 Low-passing HT (LPHT)。LPHT能够可以很好地解决上述问题,因此可以作为HT的实际应用版本。
先看HT的定义。对于一个实数时间信号是s(t), 其HT如下定义:
$H{ s} = s(t) * h(t) = frac{i}{pi }int {frac{{s(tau )}}{{t - tau }}} dtau $ (1)
其中滤波器
$h(t) = frac{i}{{pi t}}$ (2)
注意这里的滤波器h(t)与教科书中的相比多乘了个i,这样做并不改变HT的本质,但可以使得滤波器h(t)的傅立叶变换正好为一个sign函数,即
$hat h(omega ) = sign(omega ) = left{ {begin{array}{*{20}{c}} {1,} & {omega > 0} \ {0,} & {omega = 0} \ { - 1,} & {omega < 0} \ end{array}} right.$ (3)
其中,^表示傅立叶变换算子。很明显,HT的滤波器h(t)在零点是奇异的,即
$|h(0)| = infty $ (4)
下面定义所谓的LPHT。对于一个实数时间信号是s(t), 其LPHT如下定义:
${H_varpi }{ s} = s(t) * {h_varpi }(t) = frac{i}{pi }int {s(tau)frac{{1 - cos (varpi (t - tau ))}}{{t - tau }}} dtau $ (5)
其中,v 是某一正常数,代表低通截止频率;而滤波器
${h_varpi }(t) = frac{i}{{pi t}}(1 - cos varpi t)$ (6)
该滤波器的傅立叶变换为
${{hat h}_varpi }(omega ) = left{ {begin{array}{*{20}{c}} {sign(omega ),} & {|omega | le varpi } \ {0,} & {|omega | > varpi } \ end{array}} right.$ (7)
很明显,LPHT的滤波器hv (t)在零点不奇异,即
${h_varpi }(0) = 0$ (8)
对比(4)和(8),我们可以知道,HT有奇异点,而LPHT没有。因此,在实际计算上,LPHT要比HT更容易实现。
对比(3)和(7)可以知道,滤波器hv (t)是滤波器h(t)的低通滤波结果(其中v是截止频率)。因此,LPHT是一个低通的HT,相当于HT+低通滤波。这样,LPHT就可以压制高频噪声的干扰了。 在LPHT的实际应用中,截止频率v可以更根据实际需要可大可小地设定。
总之,LPHT (5) 既可以消除原始HT (1) 中的奇异点,又可以压制信号中的高频噪声,可谓一举两得。所以,LPHT 可以作为HT的实用版本予以应用。
附记:
l LPHT也可以应用到HHT的计算;
l 如果大家觉得LPHT很实用,别忘了引用本博客哦。
参考网站:
1 http://zh.wikipedia.org/wiki/%E5%B8%8C%E5%B0%94%E4%BC%AF%E7%89%B9%E5%8F%98%E6%8D%A2
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-10-20 03:19
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社