基于静态小波分解的SAR干涉图滤波

在干涉图的表态分解小波域进行了中值滤波，并和另外3种滤波得法进行了比较。结果表明，该算法不仅能有效地去除斑点噪声，并能很好的保持相位的细节信息和条纹的边缘，保持相位的纯洁性，而且大大地减少了残余点的数量，更有利于相位解缠。     

干涉SAR在遥感测量中的应用

目的：论述干涉SAR技术在遥感测量中的应用，方法：在回顾干涉SAR发展历史之后，详细地说明了干涉SAR的工作原理和信号处理技术，最后讨论了干涉SAR广泛的应用现状和前景，结果：干涉SAR技术可以广泛应用于DEM测量及地球测绘的多个方面，结论：这项技术将会得到更大的发展，中国应广泛开展干涉SAR技术的应用研究。     

集合经验模态分解的稳健滤波方法研究

为了消除野值和噪声信号对观测数据的影响,给出一种基于集合经验分解的具有稳健性的滤波算法：首先用滑动中值滤波算法剔除原始数据中的野值,然后采用集合经验模态分解算法,抑制数据中的噪声。数值仿真和实际工程应用表明,该方法不仅能剔除野值,抑制信号中的噪声,提高信噪比,还能够有效消除模态混叠问题,将被测信号中不同的频率成分独立分解在不同的固有模态函数中,从而得到更清晰的时频分布,有利于实际数据处理中的信号分析和故障诊断。     

经验模态分解和空间滤波在两相流速度测量中的应用

在利用空间滤波和电容传感器测量两相流速度时,需要准确测量电容传感器输出信号的带宽.针对此问题提出一种利用经验模态分解算法来测量传感器带宽的方法.文章首先介绍电容传感器的空间滤波效应和经验模态分解的基本原理,并给出固体速度和电容传感器输出信号带宽之间的关系.然后将经验模态分解和平滑滤波器结合对测量信号进行平滑处理,测量处...     

经验模态分解理论及其应用

阐述了经验模态分解(EMD)的概念、基本理论及其作为一种数据驱动的时频分析方法,能够根据信号特点自适应地将信号分解成一组具有物理意义的固有模态函数的线性组合,十分适合于非线性、非平稳信号分析的机理,然后综述了一维EMD算法在解决包络拟合、边界效应、模态混叠等关键问题上的研究进展,重点对新兴的多维经验模态分解的发展情况进行了详细论述;介绍了EMD在信号去噪,地球物理、生物医学信号处理,电力工程、机械工程故障诊断方面的主要应用,结合EMD研究中的难点问题,指出了下一步研究的五个重要方向。     

广义经验模态分解性能分析与应用

针对经验模态分解（empirical mode decomposition,EMD）的均值曲线采用三次样条拟合而容易引起包络过冲和不足等缺陷,相关学者提出了许多改进均值曲线的变种EMD方法,取得了一定的效果。广义经验模态分解（generalized EMD,GEMD）方法综合了多种改进EMD方法,通过定义不同的均值曲线对信号进行逐阶筛分,从得到的每一阶分量中选取最优作为最终的广义内禀模态函数（generalized intrinsic mode function,GIMF）,由于每一阶的GIMF分量都是最优的,因此相较于EMD等单一均值曲线筛分方法,GEMD分解结果也是最优的。论文对GIMF分量准则进行了改进以及对GEMD性能进行了分析,并将GEMD应用于仿真和实测信号的分析,结论表明GEMD分解是完备的和正交的,有比EMD更强的分解能力,而且适合机械振动信号的处理和故障诊断。     

干涉条纹图估测基线的方法研究

根据SAR干涉测量原理，提出了利用干涉相干条纹估测基线的方法，并以欧洲空间局资源卫星1号和2号携带的SAR系统在中国新疆伽师试验区获取的串接式（Tan-dem）干涉测量数据为数据源，对提出的方法进行了验证，结果表明，该方法能有效地估测基线，并弥补不能有效获取卫星轨道参数时，对基线进行估测的缺陷，该方法尤其适用于差分干涉测量的研究。     

经验模态分解去噪技术及其在兰姆波检测中的应用

经验模态分解(EMD)是一种新出现的处理非线性、非稳态数据的信号分析方法,通过三次样条包络分离数据的高阶成分和趋势。利用EMD的这种特性对超声兰姆波检测中的实测信号作去噪处理,并与小波去噪结果进行了对比,表明EMD去噪具有更强的自适应能力,且需知的原信号先验信息更少。     

经验模态分解方法在航天器故障诊断中的应用

航天器自主和实时的在轨故障诊断一直是航天领域发展的瓶颈问题,对航天器运动部件的故障特征进行经验模态分解(EMD),有效提取失步故障特征,并得到基频,为黑箱工况下的航天器在轨故障诊断提供了实时的判断依据。另外通过EMD方法与FFT、小波分析的效果对比,验证了EMD方法在航天器运动部件故障诊断上的有效性和先进性。     

干涉SAR在遥感测量中的应用

目的　论述干涉 SAR技术在遥感测量中的应用 .方法　在回顾干涉 SAR发展历史之后 ,详细地说明了干涉 SAR的工作原理和信号处理技术 ,最后讨论了干涉 SAR广泛的应用现状和前景 .结果　干涉SAR技术可以广泛应用于 DEM测量及地球测绘的多个方面 .结论　这项技术将会得到更大的发展 ,中国应广泛开展干涉 SAR技术的应用研究     

基于改进的经验模态分解的滚动轴承故障诊断研究

传统的时频分析方法不能有效地处理非平稳信号,经验模态分解(EMD)非常适合处理非平稳信号,但结果可能出现伪内禀模态函数(IMF)和不敏感内禀模态函数。针对EMD的不足,提出能量门限法和敏感IMF选择法相结合来识别真IMF和敏感IMF的方法,对同时满足这两个条件的IMF作频谱变换,频谱图上可以清晰呈现故障特征信息。将改进后的EMD应用到滚动轴承故障诊断实例,证明了此方法的可行性和准确性。     

基于经验模式分解的滚动轴承故障诊断方法

针对水泵电机轴承故障振动信号噪声大和非平稳性的特点,提出了基于经验模态分解的诊断方法;通过对原始信号进行经验模态分解,得到包含故障特征的固有模态分量,从而可以提取出故障频率.该方法应用于外圈、内圈和滚动体故障诊断,取得了很好效果.     

基于AMD的经验模态分解含间断信号模态混叠消除方法

针对在经验模态分解筛选过程中间断信号引起的模态混叠问题,提出了一种基于解析模态分解的经验模态分解模态混叠消除新方法。利用第1个固有模态函数的瞬时频率特性得到其频率成分及二分频率,且能实现对间断信号的定位,然后再采用解析模态分解方法分离出间断信号,再对处理后的信号进行经验模态分解,从而消除该间断信号的影响。仿真分析和工程应用的结果表明,该方法能有效消除间断信号在经验模态分解过程中引起的模态混叠现象。     

经验模式多尺度图像分解

通常一幅图像包含有大量不同尺度的信息，而图像的应用研究往往仅限于某一尺度或某些尺度上的现象。因此，将图像按尺度进行分离十分必要，既可消除其他尺度信息对图像处理结果的影响，也可简化图像处理的难度和复杂性。笔者利用经验模式分解法，将图像按尺度从小到大进行分离。小尺度信息包含了图像的细节信息，剩余的大尺度信息表达了图像的基本趋势和结构。该方法为图像处理提供了一种有效的预处理方法。     

基于经验模态分解的图像拼接

对待拼接图像分别进行经验模态分解,对分解得到的第一个固有模态函数与第二个固有模态函数的叠加进行特征点提取、特征点匹配与变换矩阵的估计以实现图像的拼接,文中提出的方法有效提高了特征点匹配的正确率,具有很强的鲁棒性。在图像融合方面文中提出一种新的基于余弦关系变换的加权融合技术,在实现图像无缝拼接的同时,可有效去除拼接图像重叠区域的重影与鬼影现象。     

基于NABEMD的飞行参数噪声能量估计与消除

飞参系统(Flight Data Recorder,简称FDR)记录的飞行参数采样率低、噪声与野值混杂且呈非线性非平稳性的特点使得传统噪声处理方法难以适用,因而提出一种基于噪声辅助复数据经验模态分解(Noise Assisted Bivariate Empirical Mode Decomposition,简称NABEMD)的噪声能量估计与消除方法,用于飞行参数的降噪问题。该方法首先利用飞行参数和高斯白噪声构造复数据并进行BEMD分解,然后根据虚部各层内禀模态函数(Intrinsic Mode Function,简称IMF)的能量来估计实部IMF包含的噪声能量,最后根据噪声能量估计值对IMF进行分层处理得到降噪后的信号。仿真结果表明,本文方法相对于现有方法具有一定优势,可以进一步提高飞行参数的降噪精度。     

基于经验模式分解的时频重排方法及其应用

重排方法通过将代表信号局部能量分布的几何中心重排到其质量中心,从而提高时频表示的聚集性和可读性,但是并没有完全消除交叉项.在此,将经验模式分解算法引入重排方法中,用于抑制重排方法在分析多分量信号时出现的交叉项.利用经验模式分解,首先将待分析的非平稳信号分解成有限个基本模式分量,它具有单分量信号的性质.对这些基本模式分量进行重排处理后的时频表示,具有良好的时频聚集性且交叉项被消除.通过对测试的柴油机爆燃阶段振动信号的重排时频分析,验证了该方法在机械故障特征提取中具有很好的应用潜力.     

基于经验模态分解的聚焦超声非线性声场检测

为精确检测聚焦超声声场中的谐波成分并得到谐波分布规律,开展了对聚焦超声非线性声场检测的研究,提出基于经验模态分解的聚焦超声谐波检测方法。首先对声场信号进行经验模态分解;然后利用噪声判断准则判断出固有模态函数（IMF）中的噪声分量,滤除噪声分量后将剩余的IMF分量予以重新组合;最后对新信号进行傅里叶变换,得到各次谐波的幅值。结果表明:它能较好地抑制噪声,相比于传统的检测方法可获得更平滑的谐波分布;该方法对开展谐波成像、医学超声检测具有重要意义。