作者:桂。
时间:2017-03-03 23:57:29
链接:http://www.cnblogs.com/xingshansi/articles/6498913.html
前言
Hilbert通常用来得到解析信号,基于此原理,Hilbert可以用来对窄带信号进行解包络,并求解信号的瞬时频率,但求解包括的时候会出现端点效应,本文对于这几点分别做了简单的理论探讨。
本文内容多有借鉴他人,最后一并附上链接。
一、基本理论
A-Hilbert变换定义
对于一个实信号x(t),其希尔伯特变换为:
x~(t)=x(t)?1πt
式中*表示卷积运算。
Hilbert本质上也是转向器,对应频域变换为:
1πt?j?sign(ω)
即余弦信号的Hilbert变换时正弦信号,又有:
1πt?1πt?j?sign(ω)?j?sign(ω)=?1
即信号两次Hilbert变换后是其自身相反数,因此正弦信号的Hilbert是负的余弦。
对应解析信号为:
z(t)=x(t)+jx~(t)
此操作实现了信号由双边谱到单边谱的转化。
B-Hilbert解调原理
设有窄带信号:
x(t)=a(t)cos[2πfst+φ(t)]
其中fs是载波频率,a(t)是x(t)的包络,φ(t)是x(t)的相位调制信号。由于x(t)是窄带信号,因此a(t)也是窄带信号,可设为:
a(t)=[1+∑m=1MXmcos(2πfmt+γm)]
式中,fm为调幅信号a(t)的频率分量,γm为fm的各初相角。
对x(t)进行Hilbert变换,并求解解析信号,得到:
z(t)=ej[2πfs+φ(t)][1+∑m=1MXmcos(2πfmt+γm)]
设
A(t)=[1+∑m=1MXmcos(2πfmt+γm)]
Φ(t)=2πfst+φ(t)
则解析信号可以重新表达为:
z(t)=A(t)ejΦ(t)
对比x(t)表达式,容易发现:
a(t)=A(t)=x2(t)+x~2(t)??????????√
φ(t)=Φ(t)?2πfst=arctanx(t)x~(t)?2πfst
由此可以得出:对于窄带信号x(t),利用Hilbert可以求解解析信号,从而得到信号的幅值解调a(t)和相位解调φ(t),并可以利用相位解调求解频率解调f(t)。因为:
f(t)=12πdφ(t)dt=12πdΦ(t)dt?fs
C-相关MATLAB指令
功能:将实数信号x(n)进行Hilbert变换,并得到解析信号z(n).
调用格式:z = hilbert(x)
功能:计算复信号的瞬时频率。
调用格式:[f, t] = insfreq(x,t)
示例:
1 2 | z = hilbert(x);
f = instfreq(z);
|
二、应用实例
例1:给定一正弦信号,画出其Hilbert信号,直接给代码:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 | clc
clear all
close all
ts = 0.001;
fs = 1/ts;
N = 200;
f = 50;
k = 0:N-1;
t = k*ts;
% 信号变换
% 结论:sin信号Hilbert变换后为cos信号
y = sin (2* pi *f*t);
yh = hilbert(y); % matlab函数得到信号是合成的复信号
yi = imag (yh); % 虚部为书上定义的Hilbert变换
figure
subplot (211)
plot (t, y)
title ( '原始sin信号' )
subplot (212)
plot (t, yi)
title ( 'Hilbert变换信号' )
ylim ([-1,1])
|
对应效果图:
例2:已知信号x(t)=(1+0.5cos(2π5t))cos(2π50t+0.5sin(2π10t)),求解该信号的包络和瞬时频率。
分析:根据解包络原理知:
信号包络:(1+0.5cos(2π5t))
瞬时频率:2π50t+0.5sin(2π10t)2π
那么问题来了,实际情况是:我们只知道x(t)的结果,而不知道其具体表达形式,这个时候,上文的推导就起了作用:可以借助信号的Hilbert变换,从而求解信号的包络和瞬时频率。
对应代码:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 | clear all ; clc ; close all ;
fs=400; % 采样频率
N=400; % 数据长度
n=0:1:N-1;
dt=1/fs;
t=n*dt; % 时间序列
A=0.5; % 相位调制幅值
x=(1+0.5* cos (2* pi *5*t)).* cos (2* pi *50*t+A* sin (2* pi *10*t)); % 信号序列
z=hilbert(x'); % 希尔伯特变换
a= abs (z); % 包络线
fnor=instfreq(z); % 瞬时频率
fnor=[fnor(1); fnor; fnor( end )]; % 瞬时频率补齐
% 作图
pos = get ( gcf , 'Position' );
set ( gcf , 'Position' ,[pos(1), pos(2)-100,pos(3),pos(4)]);
subplot 211; plot (t,x, 'k' ); hold on;
plot (t,a, 'r--' , 'linewidth' ,2);
title ( '包络线' ); ylabel ( '幅值' ); xlabel ([ '时间/s' 10 '(a)' ]);
ylim ([-2,2]);
subplot 212; plot (t,fnor*fs, 'k' ); ylim ([43 57]);
title ( '瞬时频率' ); ylabel ( '频率/Hz' ); xlabel ([ '时间/s' 10 '(b)' ]);
|
其中instfreq为时频工具包的代码,可能有的朋友没有该代码,这里给出其程序:
对应的结果图为:
可以看到信号的包络、瞬时频率,均已完成求解。
例3:例2中信号包络为规则的正弦函数,此处给定任意形式的包络(以指数形式为例),并利用Hilbert求解包络以及瞬时频率,并给出对应的Hilbert谱。
程序:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 | clc
clear all
close all
ts = 0.001;
fs = 1/ts;
N = 200;
k = 0:N-1;
t = k*ts;
% 原始信号
f1 = 10;
f2 = 70;
% a = cos(2*pi*f1*t); % 包络1
a = 2 + exp (0.2*f1*t); % 包络2
% a = 1./(1+t.^2*50); % 包络3
m = sin (2* pi *f2*t); % 调制信号
y = a.*m; % 信号调制
figure
subplot (241)
plot (t, a)
title ( '包络' )
subplot (242)
plot (t, m)
title ( '调制信号' )
subplot (243)
plot (t, y)
title ( '调制结果' )
% 包络分析
% 结论:Hilbert变换可以有效提取包络、高频调制信号的频率等
yh = hilbert(y);
aabs = abs (yh); % 包络的绝对值
aangle = unwrap ( angle (yh)); % 包络的相位
af = diff (aangle)/2/ pi ; % 包络的瞬时频率,差分代替微分计算
% NFFT = 2^nextpow2(N);
NFFT = 2^ nextpow2 (1024*4); % 改善栅栏效应
f = fs* linspace (0,1,NFFT);
YH = fft (yh, NFFT)/N; % Hilbert变换复信号的频谱
A = fft (aabs, NFFT)/N; % 包络的频谱
subplot (245)
plot (t, aabs, 'r' , t, a)
title ( '包络的绝对值' )
legend ( '包络分析结果' , '真实包络' )
subplot (246)
plot (t, aangle)
title ( '调制信号的相位' )
subplot (247)
plot (t(1: end -1), af*fs)
title ( '调制信号的瞬时频率' )
subplot (244)
plot (f, abs (YH))
title ( '原始信号的Hilbert谱' )
xlabel ( '频率f (Hz)' )
ylabel ( '|YH(f)|' )
subplot (248)
plot (f, abs (A))
title ( '包络的频谱' )
xlabel ( '频率f (Hz)' )
ylabel ( '|A(f)|' )
|
对应结果图:
从结果可以观察,出了边界误差较大,结果值符合预期。对于边界效应的分析,见扩展阅读部分。注意:此处瞬时频率求解,没有用instfreq函数,扩展阅读部分对该函数作进一步讨论。
三、扩展阅读
A-瞬时频率求解方法对比
对于离散数据,通常都是用差分代替微分,因此瞬时频率也可根据概念直接求解。此处对比分析两种求解瞬时频率的方法,给出代码:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 | clc
clear all
close all
ts = 0.001;
fs = 1/ts;
N = 200;
k = 0:N-1;
t = k*ts;
% 原始信号
f1 = 10;
f2 = 70;
% a = cos(2*pi*f1*t); % 包络1
a = 2 + exp (0.2*f1*t); % 包络2
% a = 1./(1+t.^2*50); % 包络3
m = sin (2* pi *f2*t); % 调制信号
y = a.*m; % 信号调制
figure
yh = hilbert(y);
aangle = unwrap ( angle (yh)); % 包络的相位
af1 = diff (aangle)/2/ pi ; % 包络的瞬时频率,差分代替微分计算
af1 = [af1(1),af1];
subplot 211
plot (t, af1*fs); hold on;
plot (t,70* ones (1, length (t)), 'r--' , 'linewidth' ,2);
title ( '直接求解调制信号的瞬时频率' );
legend ( '频率估值' , '真实值' , 'location' , 'best' );
subplot 212
af2 = instfreq(yh. ').' ;
af2 = [af2(1),af2,af2( end )];
plot (t, af2*fs); hold on;
plot (t,70* ones (1, length (t)), 'r--' , 'linewidth' ,2);
title ( 'instfreq求解调制信号的瞬时频率' );
legend ( '频率估值' , '真实值' , 'location' , 'best' );
|
结果图:
可以看出,两种方式结果近似,但instfreq的结果更为平滑一些。
B-端点效应分析
对于任意包络,求解信号的包络以及瞬时频率,容易出现端点误差较大的情况,该现象主要基于信号中的Gibbs现象,限于篇幅,拟为此单独写一篇文章,具体请参考:Hilbert端点效应分析。
C-VMD、EMD
Hilbert经典应用总绕不开HHT(Hilbert Huang),HHT基于EMD,近年来又出现了VMD分解,拟为此同样写一篇文章,略说一二心得,具体参考:EMD、VMD的一点小思考。
D-解包络方法
需要认识到,Hilbert不是解包络的唯一途径,低通滤波(LPF)等方式一样可以达到该效果,只不过截止频率需要调参。
给出一个Hilbert、低通滤波解包络的代码:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 | function y=envelope(signal,Fs)
%Example:
% load('s4.mat');
% signal=s4;
% Fs=12000;
% envelope(signal,Fs);
clc ;
close all ;
%Normal FFT
y=signal;
figure ();
N=2*2048;T=N/Fs;
sig_f= abs ( fft (y(1:N)',N));
sig_n=sig_f/( norm (sig_f));
freq_s=(0:N-1)/T;
subplot 311
plot (freq_s(2:250),sig_n(2:250)); title ( 'FFT of Original Signal' );
%Envelope Detection based on Low pass filter and then FFT
[a,b]=butter(2,0.1); %butterworth Filter of 2 poles and Wn=0.1
%sig_abs=abs(signal); % Can be used instead of squaring, then filtering and
%then taking square root
sig_sq=2*signal.*signal; % squaring for rectifing
%gain of 2 for maintianing the same energy in the output
y_sq = filter (a,b,sig_sq); %applying LPF
y= sqrt (y_sq); %taking Square root
%advantages of taking square and then Square root rather than abs, brings
%out some hidden information more efficiently
N=2*2048;T=N/Fs;
sig_f= abs ( fft (y(1:N)',N));
sig_n=sig_f/( norm (sig_f));
freq_s=(0:N-1)/T;
subplot 312
plot (freq_s(2:250),sig_n(2:250)); title ( 'Envelope Detection: LPF Method' );
%Envelope Detection based on Hilbert Transform and then FFT
analy=hilbert(signal);
y= abs (analy);
N=2*2048;T=N/Fs;
sig_f= abs ( fft (y(1:N)',N));
sig_n=sig_f/( norm (sig_f));
freq_s=(0:N-1)/T;
subplot 313
plot (freq_s(2:250),sig_n(2:250)); title ( 'Envelope Detection : Hilbert Transform' )
|
结果图:
效果是不是也不错?
参考:
了凡春秋:http://blog.sina.com.cn/s/blog_6163bdeb0102e1wv.html#cmt_3294265
宋知用:《MATLAB在语音信号分析和合成中的应用》
|