基于核主成分分析的EMD去噪算法

本文以超声回波信号去噪为目的,研究了基于经验模态分解（EMD）分解的去噪方法。分解过程中固有模态函数（IMF）信号与噪声混叠,还会产生虚假分量,提出了基于核主成分分析（KPCA）的经验模态分解算法。首先对原信号进行经验模态分解得IMF分量;然后对信号进行KPCA变换,将各分量获得的贡献率与阈值比较,最终以去除分量中夹杂的噪声。为证明本文方法的有效性,还给出了仿真实验的仿真结果。     

基于改进CEEMDAN在电能质量复合扰动去噪中的应用

为提高噪声环境下电能质量复合扰动识别精度，提出一种基于改进自适应噪声完备经验模态分解（CEEMDAN）去噪算法。首先通过CEEMDAN方法将含噪信号分解为若干本征模态函数（IMF）；然后将改进兰氏距离与多重分形去趋势波动分析（MFDFA）结合，把若干IMF分量分为信号IMF分量、噪声和信号混叠IMF分量、噪声IMF分量。对于混叠IMF分量、噪声IMF分量分别采用改进奇异谱分析（SSA）、小波阈值（WT）去噪；最后，将经去噪处理的IMF分量与信号IMF分量进行重构。实验表明：与对比算法相比，含噪扰动经新算法去噪后，信噪比显著提高，去噪效果良好。     

一种基于CEEMDAN-改进小波阈值的OTDR信号去噪算法

为了解决光时域反射仪(optical time domain reflectometer,OTDR)中背向散射信号受 噪声干扰严重问题,本文提出了一种 基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN) 和改进小波阈值的OTDR信号去噪算法,利用CEEMDAN分解算法具有的抗模态 混叠现象和降低重构误差等优点,将信号分解为若干IMF分量,根据相关系数的分析方法, 找到噪声占主导的本征模态函数(intrinsic mode function,IMF)分量和信号占主导的IMF 分量的临界点,去除噪声占主导的IMF分量, 并将改进的小波阈值去噪方法对信号占主导的IMF分量进行去噪,最后重构信号。结果表明 , 本文提出的方法与传统的硬阈值方法、CEEMDAN-硬阈值方法和改进的小波阈值方法相比, 能 更好地抑制噪声,并达到更好的去噪效果,突显OTDR事件特征,更易于事件的检测。     

基于集成经验模态分解的海杂波去噪

针对实际海杂波信号非线性非平稳的特点,提出基于集成经验模态分解(EEMD)的海杂波去噪方法.利用EEMD将含有目标信号的海杂波数据分解成一系列从高频到低频的固有模态函数(IMF),通过各个IMF的自相关,分选出有用信号和噪声分量,对噪声占主导作用的IMF选用Savitzky Golay(SG)滤波方法进行消噪,将滤波后的模态分量和剩余的分量进行重构得到削噪后的信号.结合最小二乘支持向量机(LSSVM)建立混沌序列的单步预测模型,从预测误差中检测淹没在海杂波背景中的微弱信号,比较去噪前和去噪后的均方根误差,利用均方根误差评价去噪效果.实验结果表明,EEMD算法对海杂波数据去噪是有效的,去噪后所得的均方根误差0.0028比去噪前所得的均方根误差0.0119降低了一个数量级.     

基于自动反相校正和峰度值比较的探地雷达回波信号去噪方法

运用探地雷达对复杂地下介质层进行探测时,雷达回波信号易受噪声影响。为了提高探地雷达的探测分辨率和数据解译效果,该文提出基于自动反相校正和峰度值比较的探地雷达回波信号去噪算法。首先,含噪的回波信号与随机噪声拟合得到两路信号,经过独立分量分析算法后得到高峰度值信号和低峰度值噪声,对高峰度值信号进行相位判断并进行自动反相校正,再进行完全总体经验模态算法分解得到多个分解分量。将独立分量分析得出的噪声的峰度值作为阈值,峰度值高于该阈值的分解分量视为信号分量,累加得到重构后的信号,完成去噪处理。所提的去噪算法解决了独立成分分析算法中的信号相位不定性问题,且在进行完全总体经验模态分解算法后无需依靠传统的人工方式进行噪声剔除的步骤。仿真和实测数据的处理结果验证了所提算法的有效性。      

基于主成分分析的经验模态分解消噪方法

 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.     

基于CEEMDAN和小波阈值的ECG去噪算法研究

提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)与小波阈值的ECG信号去噪新算法。首先对含噪ECG信号进行CEEMDAN分解,得到从高频到低频排序的各个IMF分量,利用自相关法对各IMF分量进行分析,找出以随机噪声为主的高频IMF分量并进行小波阈值去噪;然后统计包括余量在内所有IMF分量的过零率,过零率小于1.5的IMF分量即为基线漂移信号,直接剔除;最后将经过小波阈值去噪的IMF分量与剔除基线漂移之后的其他IMF分量一起进行合并重构,实现ECG信号的去噪和基线校正。用所提算法对MIT-BIH心电数据库中的ECG信号进行去噪处理,结果表明ECG信号中的随机噪声得到很好的抑制,同时获得了良好的基线漂移校正效果。     

基于EEMD-CCA组合去噪的新型配电开关柜局部放电抗干扰检测

为了实现噪声干扰条件下的配电开关柜局部放电检测,研究了基于组合去噪的配电开关柜抗干扰检测方法:首先,分析了局部放电检测原理,设计了电晕放电、内部放电、沿面放电3种典型缺陷模型及检测平台。其次,提出了一种集合经验模 态分解与典型相关分析相结合的组合去噪方法,根据局部放电信号分解的本征模态函数构造多通道观测信号,进而采用典型相关分析进行盲源分离,将表征噪声的源信号删除即可实现去噪,进行了局部放电抗干扰检测实验,验证了组合去噪方法的有效性,并对比了典型缺陷下不同检测方法的效果。结果表明:暂态地电压和超声波法检测的放电幅值较大,而特高频法对微弱放电信号的检测能力更强。     

基于拉格朗日乘子SSMD和SSA的通信信号降噪方法

针对强噪声背景下通信信号的分析识别困难问题,提出一种基于拉格朗日乘子-辛奇异值模态分解(vSSMD)的奇异谱分析(SSA)降噪方法.鉴于噪声的随机变化使得采用功率谱密度方法计算嵌入维度时有较大误差,引入蒙特卡洛思想确定嵌入维数.噪声较大时,vSSMD通过构建拉格朗日乘子矩阵增强有用分量并抑制表示为噪声的残余信号,然后采用SSA方法去除vSSMD重构信号中的微弱噪声.将vSSMD-SSA算法的去噪效果与SSA、vSSMD方法进行比较,当信噪比为-14dB时,vSSMD-SSA算法相较于传统算法SSA信噪比提升了4.49dB,均方误差提升了38.25%.实验结果说明在低信噪环境比下,vSSMD-SSA算法的去噪效果最好.将vSSMD-SSA算法用于无人机通信信号去噪,降噪效果最明显.     

基于大数据挖掘的光通信微弱信号检测研究

以高效、准确检测噪声淹没下光通信微弱信号为目的,设计基于大数据挖掘的光通信微弱信号检测方法。通过基于改进EMD与奇异值分解全面去除光通信信号中噪声分量,经灰狼算法寻优设置支持向量机参数后,由支持向量机模型构建信号分类超平面,分类检测样本中微弱信号。实验结果表明：光通信信号经所提方法去噪后,信号信噪比变小,最大值仅有0.01 dB;所提方法所检测的微弱信号波动幅值,与微弱信号实际幅值高度匹配,误差不超过1%,可100%检测出噪声淹没下光通信微弱信号的样本。     

基于EMD及FFT的激光雷达回波去噪算法

摘要：激光雷达回波去噪是激光回波处理的重要环节,好的去噪算法可以有效的减少信息的损失以及失真,并且可以有效的去除噪声带来的影响。经验模式分解将时域信号分解为几个不同频带尺度的时域信号分量,简单的舍弃噪声层以及过渡层会导致有效信号的损失。通过一种基于经验模式分解及傅里叶变换的激光雷达回波去噪算法,选取特定的固有模态函数并作傅里叶处理,以此来提高去噪的准确性,通过实际数据验证了其合理性与有效性。     

基于希尔伯特谱的瞬时频率滤波方法

含有色噪声的非平稳信号的滤波去噪一直是未能很好解决的问题,传统的傅立叶分析方法不适用于此类信号的分解及滤波,而小波域滤波效果也不理想.本文提出一种基于希尔伯特谱的瞬时频率滤波方法,并和经验模态分解滤波、基于经验模态分解的小波阀值滤波方法的信噪比进行比较.仿真实验结果表明基于希尔伯特谱的信号分解及滤波去噪方法具有更高的信噪比.     

基于自适应噪声完备经验模态分解的Φ-OTDR信号去噪算法

针对相位敏感光时域反射仪(Φ-OTDR)信号信噪比较低的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)的小波信息熵阈值去噪算法。该算法配合CEEMDAN分解,通过小波信息熵阈值去噪,提取扰动位置的高频信息,从而提高系统的信噪比。首先,采用Savitzky-Golay滤波算法对不同光脉冲间的信号进行预处理;其次,采用CEEMDAN将滑动差分后单个脉冲内信号分解为不同的固有模态函数(IMF),并利用连续均方误差准则确定含噪较多的高频IMF分量;然后,采用小波信息熵阈值去噪算法对以上高频IMF分量进行阈值去噪处理;最后,将其与低频IMF分量以及残差分量进行重构。采用自行研制的相干Φ-OTDR系统实测数据进行了验证,结果表明,文中算法与两种传统去噪算法相比,信噪比提升了3dB,这对于系统的实际应用具有重要意义。     

基于互补自适应噪声的集合经验模式分解算法

经验模式分解(EMD)及其改进算法作为实用的信号处理方法至今仍然缺少严格的数学理论。该文尝试从数学理论上分析集合经验模式分解和自适应噪声集合经验模式分解的重构误差,推导了总体残留噪声的计算公式。针对自适应噪声集合经验模式分解在每一层固有模态分量上仍然存在残留噪声的问题,在分解过程中添加成对的正负噪声分量,提出一种基于互补自适应噪声的集合经验模式分解算法。实验结果表明,相比于集合经验模式分解和自适应噪声集合经验模式分解,所提的方法能够明显地减少每一层固有模态分量中残留的噪声,拥有较好的信号重构精度和更快的分解速度。     

基于ICEEMDAN的雷达生命信号检测方法

线性调频连续波（FMCW）雷达能够通过非接触的方式采集人体的呼吸和心跳信号,为了去除和减少生命信号中的杂波干扰,本文提出了基于改进的自适应集合经验模态分解（ICEEMDAN）和长数据序列截取的生命信号分解方法,通过延长观察时间,然后截取时间序列,得到既定观察时间的最终固有模态函数（IMF）分量,通过模糊熵对所有IMF信号进行分析来识别含噪信号,并对含有噪声的IMF信号进行去噪处理,综合分析相关性和能量阈值的结果,挑选出合适的IMF 分量重构生命信号。通过仿真和实测表明,所提出的方法能够大幅减少噪声,优于现有的去噪技术,有利于提高提取的呼吸和心跳信号的精准度和真实性。     

基于EEMD算法在信号去噪中的应用

为了抑制经验模态分解中出现的端点效应和模态混叠现象,利用白噪声辅助数据分析方法——集合经验模态分解构造一个自适应滤波器组,对原信号进行各级滤波,最终得到纯净的信号.然后与小波阈值去噪方法进行比较,通过仿真可以看出,集合经验模态分解构造的滤波器组滤波效果比较理想.     

基于EMD-NLMS的船舶发动机声信号降噪处理方法

针对船舶声信号降噪滤波的问题,提出了一种基于经验模态分解-归一最小均方的算法。该方法进行经验模态分解得出噪声分量,将得到的噪声分量作为输入信号进行自适应滤波,通过自适应滤波算法迭代处理得到降噪后的信号分量,并把信号分量叠加得到最终降噪后的信号。通过对比最小均方算法、归一化最小均方算法、经验模态分解-最小均方算法和经验模态分解-归一最小均方算法对船舶声信号的降噪效果,得出在船舶声信号滤波降噪方面经验模态分解-归一最小均方算法相比于其他三种算法有更好的滤波效果。     

微弱信号检测的变尺度Duffing振子方法

针对强噪声背景下微弱信号检测问题,本文把互补集总经验模式分解（CEEMD）方法和变尺度Duffing振子结合,提出了一种新的微弱信号检测方法.利用CEEMD将复杂含噪信号分解为不同的固有模态函数（IMF）,通过Duffing系统分岔图及其变化找到相轨迹变化的临界阈值,实现含噪信号的信息检测.结果表明,本文所提方法不仅可以很好地免疫噪声,而且能有效检测出信噪比低至-73dB的多频率周期信号.     

基于改进的集成经验模态分解的海杂波去噪

针对海杂波信号因混有噪声而难以提取的特点,提出基于改进的集成经验模态分解(MEEMD)的海杂波去噪方法。文中提出的MEEMD 在补充的集成经验模态分解(CEEMD)的基础上,利用排列熵和Savitzky-Golay 滤波对CEEMD 分解后的固有模态函数进行处理,最后在经验模态分解分解重构后得到削噪后的信号。以IPIX 雷达实测得到的海杂波数据进行仿真实验,结合最小二乘支持向量机建立混沌序列的单步预测模型,从预测误差中检测淹没在海杂波背景中的微弱信号,并用均方根误差判断去噪效果。仿真结果表明,文中所提出的MEEMD 算法对模式混淆有很好的抑制效果,去噪后得到的均方根误差为0. 000 847,比去噪前的均方根误差0. 012 2 降低了两个数量级。     

基于集合经验模态分解和信号结构分析的心电信号R波识别算法

R波作为确定心电信号各波段的重要参考,是心电自动分析的前提。针对大多数R波识别算法的预处理过程影响识别准确度和耗时问题,该文提出一种基于集合经验模态分解(EEMD)和信号结构分析的算法对带噪心电信号(ECG)的R波直接进行识别。首先通过EEMD将带噪声的心电信号分解成一系列本征模态分量,然后对分解后的各模态分量作独立成分分析以提取出R波特征最明显的成分,对该成分进行结构分析,从而实现对R波的准确定位。仿真结果表明,该文算法对带噪声心电信号的R波识别具有更优性能,对异常心电信号的R波识别也具有明显效果。