基于极值域均值模式分解和独立分量分析的语音增强方法

提出一种基于极值域均值模式分解与独立分量分析相结合的低信噪比语音增强算法,解决更多噪声环境下低信噪比语音信号增强问题.该算法的核心思想是:利用独立分量分析的特点,分离出选取的固有模态分量的固有特性,消除信息混淆.通过最大相似度,筛选出需要处理的固有模态分量,对其进行独立分量分析,使噪声特性能够进一步集中,提高最大相似度,这样更有利于噪声的滤除.由于独立分量分析存在幅值、位置的不确定性,所以对滤波后的独立分量要进行二度重构,即独立分量分析重构和极值域均值模式分解重构,得到增强后结果.     

岩石爆破震动信号分析的EEMD 滤波方法研究

以拉西瓦水电站坝肩岩石开挖爆破震动监测信号为分析对象,通过EEMD方法对岩石爆破震动信号进行分解,并对每个IMF分量与原信号的相关性进行分析,去除噪声分量,使去噪后的信号更能真实地体现岩石爆破震动特征。对EEMD与EMD两种方法的去噪效果进行对比分析,得出EEMD去噪方法更具优越性。     

基于EMMD-RVM的煤矿采矿机械设备异常检测系统

针对煤矿采矿机械设备异常特征信号是非均匀变化的,容易出现机械设备异常检测结果不精准的问题,提出了基于EMMD-RVM的煤矿采矿机械设备异常检测系统。采用4通道AD转换芯片,采集煤矿采矿机械设备异常数据。使用ZigBee传感器作为终端设备,传输电压、电流、转速红外成像和温度信号。利用传感器网络协议适配器,将不同传输信号统一传输到服务器,消除传感器网络异构性。采用EMMD极值域均值模式分解方法,引入加权平均法获取信号局部均值,分析煤矿采矿机械设备异常特征。构建RVM支持向量机模型,设计基于RVM的煤矿采矿机械设备异常检测流程。由系统应用结果可知,该系统通过采集高频分量信息,可获取精准异常检测结果,为机械设备异常检测提供一种新思路。     

基于EMMD和AR奇异值熵的故障特征提取方法研究

提出了一种基于EMMD(extremum field mean mode decomposition)和AR(auto-regressive)奇异值熵的故障特征提取方法。该方法在对故障信号的EMMD分解基础上,选取有限个固有模态函数(IMF,intrinsic mode function)的AR模型参数向量作为故障的初始特征向量矩阵,对初始特征向量矩阵求取奇异值熵,通过奇异值熵的大小表征故障类型。对转子故障数据的分析结果表明该方法能够有效地应用于非线性和非平稳故障信号的特征提取。     

基于EMMD局域波分解的网络行波测距方法研究

目前,随着能源互联网的不断发展,行波测距装置省级互联为实现网络化测距提供了良好的数据平台。在重点分析网络行波的特征上,提出一种基于极值域均值模式分解(EMMD)的局域波自适应行波故障定位方法。该方法有效抑制了EMD分解过程中产生的过冲和欠冲现象。在模式混叠方面,在EEMD方法基础上提出了一种加入互补噪声的方法(CEEMD)。最后通过一组现场实际故障数据进行算例分析,验证了该方法的有效性。     

基于极值域均值模式分解最大相似度的语音增强方法

提出一种基于极值域均值模式分解最大相似度的低信噪比语音增强算法,解决部分噪声环境下低信噪比语音信号增强问题。该算法核心思想是：对分解后得到的固有模态分量进行筛选后再做滤波处理,以此减少过滤波和欠滤波情况的发生。在筛选过程中,提出一种最大相似度判断算法,通过检测得到的噪声信号与固有模态分量计算最大相似度,通过最大相似度筛选出固有模态分量进行滤波,由于噪声与语音信号容易发生频谱混叠,在滤波器的选择上采用时域滤波器。将滤波后的固有模态分量和未作处理的固有模态分量进行信号重构,得到增强后结果。