首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 15 毫秒
1.
考虑到传统的图像滤波算法在图像去噪的同时削弱了图像特征,以及图像系统所固有的自相似性和经验模式分解(EMD)算法的完备性和稳定性,提出了一种基于随机微分的改进EMD图像去噪算法。该算法首先利用EMD对图像进行分解,得到图像的多个固有模式函数(IMF)图像和剩余函数图像,然后根据IMF图像和剩余函数图像采取不同的随机微分滤波策略分别得到各层滤波结果,最后重组得到原始图像去噪后的结果。Matlab仿真证明,该算法在图像去噪的同时保留了图像特征。  相似文献   

2.
为解决Harris角点检测算法在多尺度条件下无法正确提取角点的问题,本文将经验模式分解(EMD)方法运用到二维图像特征点提取中。先利用二维EMD方法将图像分解到多个图像细节层,并定义为本征模函数(IMF),再利用Harris算子对各图像细节层进行角点检测,最后采用层层筛选的方法提取角点。对比实验结果表明,新算法得到的角点更加丰富,抗噪性增强,明显提高了图像角点检测性能。  相似文献   

3.
刘海波  玄志武 《振动与冲击》2013,32(18):133-135
针对传统经验模态分解(EMD)方法中信号所含频率分量较接近易出现模态混叠现象,导致分解出的本征模态函数失去原有物理意义问题,提出改进算法。将原始信号频带信号微分;对微分信号进行EMD分解;将所得IMFs进行积分处理获得原始信号有效的IMFs,能抑制EMD分解过程中的模态混叠现象。仿真计算与实际工程应用表明,该方法优于传统EMD算法,可有效分离频率接近的本征模态函数,扩大EMD方法的适用范围。  相似文献   

4.
强噪声背景下的经验模式分解研究   总被引:5,自引:3,他引:2       下载免费PDF全文
研究了强噪声混合条件下微弱信号的经验模式分解(EMD)问题,提出了一种基于随机共振降噪的EMD分解方法.该方法利用随机共振在微弱信号检测方面的独特优势,首先对有噪微弱信号进行随机共振输出,微弱信号得到降噪和加强后,再进行EMD分解.在仿真实验中,对随机共振输出前后的信号分别进行EMD分解,分析结果表明该方法不仅能够提高原始信号的信噪比,有效检测出被噪声淹没的微弱信号从而提高了EMD分解的质量,同时减少了EMD分解的层数,提高了运算效率.  相似文献   

5.
经验模态分解剔除结构地震响应位移漂移   总被引:1,自引:0,他引:1  
提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)剔除位移响应漂移量的算法.这种算法将漂移成分视为EMD分解的最终残量(Residue),从原时程响应信号中分离并剔除EMD分解的最终残量后,再利用本征模函数(Intrinsic Mode Functions,IMFs)进行信号重构,能够得到接近真实的响应时程信号.该方法引入到实际桥梁结构的地震响应时程分析中,成功地解决了剔除结构地震响应位移漂移的难题.试算和实际计算效果表明此种方法效果良好,因而在结构地震响应分析中具有重要实用价值.  相似文献   

6.
经验模态分解(EMD)新算法及应用   总被引:2,自引:0,他引:2  
经验模态分解(EMD)算法是Hilbert-Huang变换(HHT)的核心算法,它的分解效果依赖于端点延拓算法.介绍一种新的EMD的端点延拓算法,并通过一个仿真实验表明该算法分解信号更完全.  相似文献   

7.
小波降噪在信号基于EMD的Hilbert变换中的应用   总被引:4,自引:1,他引:3  
提出用小波降噪后再用经验模态分解(EMD)对信号进行分析,利用小波包对信号分解重构,去除噪声干扰信号,然后再对信号进行EMD分解。该方法减少噪声对EMD分解的干扰,从而减少由于分解无用的噪声信号引入的边界效应误差和分解层数,提高EMD分解的准确性和时效性,使EMD算法在信号的分析中更具实用性。  相似文献   

8.
《中国测试》2015,(12):32-35
针对经验模态分解(EMD)在分解信号时存在的端点效应问题,为抑制端点效应对信号分析带来的影响,进一步提高EMD分解准确度,提出基于基因表达式编程(GEP)的EMD改进算法。通过仿真实验与镜像延拓等其他3种常用端点效应抑制方法作对比,并计算评价端点效应的两个指标,最后,通过这4种方法分别测量出原始信号的瞬时频率以作验证。仿真结果表明:基于GEP的EMD改进算法在分解信号后各分量两端发散程度最小,评价指标也均优于其他3种传统的改进方法,且更加准确地测量出原始信号的瞬时频率。证明该改进算法能更有效地抑制EMD端点效应,具有更高的应用价值。  相似文献   

9.
针对汽车变速器齿轮在长时间高强度工作状态下易产生故障的问题,提出了一种基于经验模式分解(EMD)和盲源分离算法中的特征矩阵联合近似对角化法(JADE)相结合的汽车变速器齿轮故障诊断算法.首先,将振动信号进行EMD分解,再根据互相关准则对分解后的本征模分量进行重构,构造虚拟噪声信号,并以此作为JADE的输入矩阵;然后,采用JADE算法分离得到能清晰反映齿轮状态的特征信号.最后将该方法应用于汽车变速器齿轮故障诊断中,仿真和实测分析结果均表明该方法有效可行.  相似文献   

10.
小波-形态-EMD综合分析法及其应用   总被引:2,自引:1,他引:1  
在经验模态分解(EMD)的理论基础上,分析了随机白噪声及局部强干扰对EMD分解质量的影响,结合小波消噪和形态滤波理论,提出了一种新型的小波-形态-EMD算法模型.该模型将小波形态变换作为EMD前置滤波单元,可以减少不必要的分解层次,降低EMD分解的边界积累效应,消除局部强干扰造成的模态裂解现象,有效提高EMD的时效性和精确度.利用仿真信号分析实例详述了这种综合分析方法的实施过程,并将该方法成功运用于齿轮故障的早期检测中.实验结果证明该方法在机械故障诊断中切实可行,具有较好的应用价值.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号