| 改进的LS-SVM方法在EMD端点效应问题中的应用 |
| |
| 引用本文： | 徐志军,旷欢,王如龙,华保健.改进的LS-SVM方法在EMD端点效应问题中的应用[J].计算机工程与应用,2015(3):222-228. |
| |
| 作者姓名： | 徐志军 旷欢 王如龙 华保健 |
| |
| 作者单位： | 1. 中国科学技术大学 软件学院,合肥,230027
2. 湖南大学 信息科学与工程学院,长沙,410082 |
| |
| 基金项目： | 国家高技术研究发展计划(863)(No.2009AA010314) |
| |
| 摘 要： | 经验模态分解能有效处理非平稳、非线性信号，但在多次采用三次样条插值获取信号上、下包络的过程中容易产生影响分解精度的端点问题。为了抑制经验模态分解中存在的端点效应问题，提出了一种基于最小二乘支持向量机和镜像延拓的端点效应抑制方法。该方法采用最小二乘支持向量机对原始信号序列两端分别向左、右各延拓有限个数据点；用镜像延拓对延拓后的信号序列进行对称延拓处理，将其延拓成一个环形信号序列；对这一环形信号序列进行经验模态分解。通过对仿真信号以及真实脑电信号进行实验分析以及与其他延拓方法的对比，结果表明该方法能够有效抑制端点效应问题，并在抑制端点效应问题方面优于传统的支持向量机和最小二乘支持向量机。
|
| 关 键 词： | 经验模态分解 端点效应 最小二乘支持向量机 镜像延拓 支持向量机 |
Application of improved LS-SVM method in end effect of EMD |
| |
| XU Zhijun
,
KUANG Huan
,
WANG Rulong
,
HUA Baojian.Application of improved LS-SVM method in end effect of EMD[J].Computer Engineering and Applications,2015(3):222-228. |
| |
| Authors: | XU Zhijun KUANG Huan WANG Rulong HUA Baojian |
| |
| Affiliation: | XU Zhijun;KUANG Huan;WANG Rulong;HUA Baojian;School of Software Engineering, University of Science and Technology of China;School of Information Science and Engineering, Hunan University; |
| |
| Abstract: | |
| |
| Keywords: | empirical mode decomposition end effect Least Squares Support Vector Machine(LS-SVM) mirror exten-sion Support Vector Machine(SVM) |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
