采用循环叠加经验模态分解的去噪算法

为了检测被强噪声淹没的目标信号,提出了一种新的基于经验模态分解(EMD)的去噪算法.该算法将经验模态分解得到的第一个固有模态函数(IMF)循环移位,得到功率保持不变的噪声样本函数.将多个噪声样本函数叠加后,与重构的目标信号合成新的含噪信号.进一步采用软阈值去噪的方法,达到显著削弱噪声的目的.仿真实验表明:所提的新算法能够抑制4~6 dB的高斯白噪声,但抑制高斯混合噪声的能力较差;并且当信噪比较低时,其性能明显好于原始的基于EMD的去噪算法.该算法为低信噪比下的弱信号检测提供了一种新的思路.     

基于改进EMD算法的信号滤波

为解决经典经验模态分解(empirical mode decomposition, EMD)滤波算法在低信噪比环境下滤波效果不佳的问题,提出了一种改进的EMD滤波算法。利用FFT对信号进行简单的频谱分析,若其中含有高频噪声,则对信号经EMD分解后得到的一阶本征模态函数 (intrinsic mode function, IMF)分量做剔除处理;若信号中含有白噪声及毛刺干扰,则向经典EMD滤波算法中添加变尺度因子,然后对信号进行EMD滤波,在算法最后一次迭代时再将一阶IMF剔除。仿真试验结果表明,改进的EMD滤波算法在低信噪比环境下有较小的均方误差值,滤波效果较好。     

利用辐射噪声对舰船进行定位

针对具有弹性海底环境中舰船目标的定位问题,本文利用辐射噪声对舰船目标进行定位研究。在匹配场定位原理的基础上,定义海洋波导频谱峰值对应的频率与接收信号的频谱峰值对应的频率差值为代价函数,当代价函数值最小时即为目标声源的深度与距离。在典型声速剖面环境下,无论辐射噪声功率谱是单纯的连续谱或是连续谱叠加线谱,仿真结果表明:本文定位方法均能有效估计目标距离,当辐射噪声功率谱叠加线谱时会降低方法的定位精度,但可以通过增大使用频段范围弥补方法定位精度的下降。将所提定位方法应用到舟山获取的的实验数据中,能够有效对舰船目标进行定位估计。     

基于双谱的水下目标辐射噪声的特征提取与分类研究

以大量的水下目标辐射噪声资料为依托，借助高阶累积量分析法，研究了目标信号的非高斯特性。基于双谱估计和Walsh维数压缩技术提取了不同类别目标的65维双谱特征。结果表明，该特征对水下目标辐射噪声信号具有很好的分类效果，同时又能有效地抑制高斯有色噪声。对于六类水下目标辐射噪声信号，可取得约92％的正确分类率。     

舰船辐射噪声信号自然测度计算分析

通过对舰船辐射噪声信号的混沌特征研究,实现了对舰船辐射噪声信号自然测度提取算法,并利用H enon混沌系统和Lorenz混沌系统对算法进行了仿真验证。通过对水中两类舰船海上实测辐射噪声260个数据样本的自然测度特征提取,采用BP网络分类器进行了分类实验,表明在水声信号检测和识别系统中自然测度特征可以成为水声目标分类的重要依据。     

谱熵和主成分分析用于EMD分解研究

针对传统经验模态分解(EMD)的终止条件的不足,将信息熵和主成分分析(PCA)原理引入希尔伯特-黄变换(HHT)中,提出了一种Hilbert时频谱熵的算法,以此为基础提出了基于时频谱熵的分量终止准则和基于主成分分析的分解终止准则,并对EMD算法进行改进.改进的EMD算法能够得到更准确的分解结果,并且在一定程度上减少了虚假分量和模态混叠的产生.仿真实验表明,采用基于时频谱熵和主成分分析的终止准则对EMD算法的改进是有效的.     

基于经验模态分解的目标特征提取与选择

经验模态分解(EMD)是一种新的非平稳时变信号处理方法,可以自适应地将信号的局部特征逐级分解出来。提出了基于EMD的舰船噪声特征提取与选择方法,将本征模态函数(IM F)分量及其瞬时频率作为特征,并选择其判别熵作为特征向量的可分性度量。数值仿真和实际噪声数据处理的结果表明IM F分量和频率可以充分体现目标的特征,具有良好的类别可分性。     

EMD与同态滤波解调在滚动轴承故障诊断中的应用

根据滚动轴承的振动故障特征,介绍了一种新的基于经验模态分解(Empirical Mode Decomposition,EMD)与同态滤波解调相结合的滚动轴承故障诊断方法.EMD可将轴承故障信号分解成若干个IMFs(Intrinsic Mode Functions),各个IMF突出了原始信号的某些局部特征.再对某些IMFs有针对性地进行同态滤波解调,提取了轴承内圈故障特征频率,诊断出轴承内圈严重磨损故障.同时,为更突出同态滤波解调方法的优越性,与Hilbert包络进行了对比分析.仿真与应用结果表明,同态滤波解调方法要优于Hilbert包络法.     

基于经验模态分解的车内声品质EMD-ANE主动控制算法

为提高车内声品质水平,提出一种基于经验模态分解(Empirical Mode Decomposition,EMD)和噪声自适应均衡(Adaptive Noise Equalizer,ANE)算法的车内声品质EMD-ANE主动控制算法.考虑到车内噪声非平稳性高的特点,利用EMD方法获得非平稳性低的固有模式函数(Intrinsic Mode Function,IMF)分量,在ANE算法中设定不同的声音保留因子,对各分量进行主动控制.结果表明,EMD-ANE算法能够有效抑制车内噪声,且可以降低车内噪声的低频成分.与传统ANE算法相比,该算法可以更好地控制车内噪声的响度水平,更适用于车内声品质主动控制(Active Sound Quality Control,ASQC).     

基于DTW 和EMD的孤立词语音识别研究

针对语音识别过程中环境噪声干扰大的问题,提出一种基于经验模态分解(EMD)与动态时间规整 (DTW)相结合的孤立词识别算法。该方法利用EMD 算法,首先将提取的性能不好的语音信号分解成若干个基本模函数(IMF),去掉原始信号中的干扰和噪声。然后,基于DTW 算法,采用短时过零率和短时能量对语音信号进行端点检测,提取语音特征参数后与参考模板进行匹配。将参考模板与待测模板之间的最短路径作为识别结果。仿真结果表明,该算法能够提高语音的识别效率和识别的正确率。     

Speech-stream detection in short-wave channel based on empirical mode decomposition and higher-order statistics

To capture the presence of speech embedded in nonspeech events and background noise in short-wave non-cooperative communication,an algorithm for speech-stream detection in noisy environments is presented based on Empirical Mode Decomposition (EMD) and statistical properties of higher-order cumulants of speech signals.With the EMD,the noise signals can be decomposed into different numbers of IMFs.Then,the fourth-order cumulant (FOC) can be used to extract the desired feature of statistical properties for IMF components.Since the higher-order cumulants are blind for Gaussian signals,the proposed method is especially effective regarding the problem of speech-stream detection,where the speech signal is distorted by Gaussian noise.With the self-adaptive decomposition by EMD,the proposed method can also work well for non-Gaussian noise.The experiments show that the proposed algorithm can suppress different noise types with different SNRs,and the algorithm is robust in real signal tests.     

含噪语音的基音周期提取算法

背景噪声对语音信号的基音周期提取有很大的影响.结合能够对背景噪声进行有效降噪的EMD(Empirical Mode Decomposition)软阈值法,提出了一种噪声背景下语音基音周期提取的方法.首先将EMD软阈值降噪法和中心削波法相结合,对信号进行预处理,然后利用语音信号波形本身的信息,进行波形之间的匹配估计,从而获得准确的语音信号基音周期.仿真实验表明:与传统的基音周期提取方法相比较,所提方法在基音周期提取的准确度方面有很大的提高.     

基于模板匹配和镜像延拓的两阶段经验模态分解算法

针对传统经验模态分解算法存在的端点效应问题,提出了一种适用于脉搏信号分析的基于模板匹配和镜像延拓的两阶段经验模态分解算法。依据脉搏信号的类周期特征,首先识别其特征信息,分离出单一心动周期内的脉搏信号;然后使用信号相干平均技术获取脉搏信号模板,依据模板将首尾端点处的脉搏信号扩展至整个心动周期;最后采用镜像延拓方法对扩展后的脉搏信号进行经验模态分解。实验结果表明,扩展后的脉搏信号能够较好地模拟原信号首尾端点处的变化趋势,因此新算法能够有效抑制传统经验模态方法存在的端点效应问题,适用于诸如脉搏信号等具有类周期特征的生理信号分析。     

陀螺飞轮信号的EMD/LPF混合去噪方法

为提高陀螺飞轮系统的标定与辨识精度进而保证姿态测量性能,对其信号去噪方法进行研究以便从复杂噪声中提取标定辨识所需的有用信息.首先基于噪声产生机理对陀螺飞轮信号的噪声特性进行分析.其次,在不影响信号低频特性的前提下,采用传统低通滤波（LPF）方法对信号进行预处理以抑制高频周期噪声.然后应用经验模态分解方法（EMD）对LPF预处理后的信号进行分解,根据信号和各模态分量的概率密度函数的相似性度量,给出一种模态判定准则.在此基础上,结合现有阈值滤波方法,提出一种EMD/LPF混合去噪方案. 结果表明:所提出的基于相似性度量的模态判定准则在不同信噪比条件下均能够实现分界点的准确判定;将所研究的去噪方法分别应用于标准测试信号和陀螺飞轮实测信号;所提出的混合去噪方法相比于现有去噪方法更为有效.     

基于EEMD-SVD-PE的轨道波磨趋势项提取

钢轨波磨检测是保障行车安全的重要手段,针对复杂钢轨线路波磨数据中的轨道起伏趋势提取问题,提出了一种基于排列组合熵(Permutation Entropy, PE)选取低复杂度奇异值分量重构趋势的EEMD-SVD信号去趋方法.相比已有的经验模式分解去趋算法,该方法考虑到原始IMF可能存在的信号成分混杂问题(如含有白噪声与信号的低频成分),首次提出通过奇异值分解来精确提取隐藏在多维IMF矩阵中的趋势项成分作为奇异值分量.由于协方差矩阵构建的奇异值分量排列时只考虑了能量的分布而未考虑趋势项信号低复杂度、高幅的特点,使用排列组合熵来选出符合趋势项特征的奇异值分量,最后对满足要求的奇异值分量进行重建得到最终的趋势项.为验证本文方法的有效性,分别进行了数字仿真和实际钢轨波磨数据去趋实验.数字仿真实验结果表明该方法整体去趋性能优于低通滤波法、与EMD结合的线性规划法和小波分解法,尤其在多信噪比的仿真实验中,当信噪比较低时,提趋准确率最大提高约30%.同时,实际钢轨波磨数据去趋实验说明本文方法能够适用于钢轨波磨检测.     

基于非均匀B样条插值的EMD算法

经验模态分解(EMD)是一种非平稳信号分析方法,存在分解不完全的问题.采用非均匀B样条插值生成包络线,得到了一种新的EMD算法,以实现准确的经验模态分解.针对同一信号给出的对比仿真,表明了算法的有效性.区别于传统算法的非均匀参数化方法具有精度高、实用性强的特点,利于多元推广.     

Rolling element bearing instantaneous rotational frequency estimation based on EMD soft-thresholding denoising and instantaneous fault characteristic frequency

The accurate estimation of the rolling element bearing instantaneous rotational frequency(IRF) is the key capability of the order tracking method based on time-frequency analysis. The rolling element bearing IRF can be accurately estimated according to the instantaneous fault characteristic frequency(IFCF). However, in an environment with a low signal-to-noise ratio(SNR), e.g., an incipient fault or function at a low speed, the signal contains strong background noise that seriously affects the effectiveness of the aforementioned method. An algorithm of signal preprocessing based on empirical mode decomposition(EMD) and wavelet shrinkage was proposed in this work. Compared with EMD denoising by the cross-correlation coefficient and kurtosis(CCK) criterion, the method of EMD soft-thresholding(ST) denoising can ensure the integrity of the signal, improve the SNR, and highlight fault features. The effectiveness of the algorithm for rolling element bearing IRF estimation by EMD ST denoising and the IFCF was validated by both simulated and experimental bearing vibration signals at a low SNR.     

基于EMD小波阈值化的SAR图像斑点抑制

为有效抑制SAR图像斑点噪声,提出了基于EMD小波阈值化的斑点抑制方法．该方法首先用EMD方法将含斑点噪声的SAR图像分解为若干层基本分量,对前几个分量用小波阈值化方法进行处理,然后重构图像,从而达到抑制斑点噪声的目的．实验结果表明,该方法同小波阈值方法和二维EMD方法相比,去噪效果较明显,在抑制斑点噪声的同时,较好地保持了边缘和细节信息．