摘要：Hilbert-Huang变换的端点效应表现在两个方面，对信号进行经验模态分解（Empirical mode decomposition，EMD）和对各个内禀模态函数（Intrinsic mode fimction，IMF）进行Hilbert变换时都会产生端点效应。为了克服Hilbert-Huang变换中的端点效应，采用支持矢量回归机对信号延拓后再进行经验模态分解，该方法可以有效地克服EMD方法的端点效应问题，得到具有物理意义的内禀模态函数；然后再次采用支持矢量回归机对IMF分量进行延拓后进行Hilbert变换，可有效地抑制Hilbert变换中的端点效应，获得准确的瞬时频率和瞬时幅值，从而得到具有物理意义的Hilbert谱。对仿真和实际信号的分析结果表明，基于支持矢量回归机的数据序列延拓方法能有效地解决Hilbert-Huang变换中存在的端点效应问题，而且其效果优于基于神经网络的数据序列延拓方法。

关键词：端点效应 支持矢量回归机 经验模态分解 hilbert变换 

单位：湖南大学机械与汽车工程学院; 长沙410082