极端强风诸如雷暴风、龙卷风等产生的风荷载对建筑物、输电线塔以及大型风机等结构造成大量破坏,成为风工程界关注的热点问题。据统计,在美国、澳大利亚、南非等地与气候相关的输电线塔破坏约80%是由雷暴风造成的。为了准确估算结构的动力响应,获得可靠的风速样本至关重要。但由于极端强风不具备各态历经性,具有非平稳性,一般采用非平稳过程来描述。目前,基于Priestley方法得到的演化功率谱被广泛用于非平稳强风模拟。此外,演化功率谱在地震动相关研究中也广泛使用。演化功率谱方法的不足之处在:当样本为单个时,使得演化功率谱估计困难,容易偏离实际激励的统计特性。基于数据驱动的时频域分析方法如希尔伯特黄变换能够描述幅值和频率随时间变化的情况。通过将信号分解后获得其瞬时幅值和瞬时频率,然后用于重构信号。这些数据驱动的方法利用数据自身的特性,是能够有效应用于描述非平稳过程的方法。然而现存基于希尔伯特黄变换的模拟方法只能用于单元信号,且易于导致大量负频率,限制了其广泛应用。本文结合多元经验模态分解(multivariate empirical mode decomposition,MEMD),调频函数/调幅函数(amplitude modulation/frequency modulation,AM/FM)分解和本征正交分解(proper orthogonal decomposition,POD)建立了基于时频分析的非平稳多点风速的模拟方法。本课题具体的研究内容有:(1)阐述了EMD和小波分解及其变异模型,通过探究不同分解方法得到的子序列,包括其频带分布特征和不同点的带宽变化情况,分析不同分解方法的优势和劣势。并通过改进多点非平稳信号分解方法为MEMD。结果表明,MEMD能够有效解决EMD/EEMD模态混叠和IMFs数目不一致的问题,并且能够有效处理SWT需要事先选择尺度和母小波函数等参数,具有先验性因而不具备自适应性的问题。(2)建立了基于MEMD的非平稳信号的模拟框架。通过改进传统希尔伯特变换为AM/FM分解,利用POD对瞬时频率解耦。结果表明,AM/FM分解解决了传统模型产生大量没有物理含义负频率的问题,并提高计算效率获得有物理含义的IA和IF。引入的POD解耦IF,进一步剔除噪声的影响,提高计算效率。(3)考虑多点信号之间的关联性,提出一种基于多元经验模态分解和谱表示法的新方法。引入cholesky分解来解耦多点风速的瞬时频率矩阵,利用解耦后的谱来重构信号。