一种最小长度约束的EMD包络拟合方法

 经典经验模态分解(Empirical Mode Decomposition,EMD)采用三次样条插值方法进行包络拟和,存在较严重的"过冲"现象。在研究该问题已有方法基础上,提出了一种基于最小长度约束的包络拟合方法,以包络曲线长度最小为目标函数,采用Lagrange求极小值法优化极值点处的导数值,然后采用分段三次Hermite函数插值方法进行包络拟合,得到平滑包络线.实验表明该方法能有效地克服三次样条插值法的"过冲"现象和分段抛物线插值法的人为弯折现象,能拟合出更平滑的包络线,使得EMD分解更准确,有效改善模态混淆问题.     

基于EMD的声发射管道泄漏检测研究

针对管道泄漏声发射检测信号的非平稳特征,该文提出了基于经验模态分解(EMD)的声发射信号分析方法。该信号分析法将管道泄漏产生的复杂声发射信号分解成有限个固有模态信号(IMF),使Hilbert-Huang变换(HHT)的瞬时频率具有了实际物理意义,提高了管道泄漏检测的定位精度。结果表明,HHT法能准确描述声发射波形信号的非线性、非平稳时变特征,是声发射信号时频分析的有效工具。     

基于EMD与功率谱熵的语音端点检测

为了提高低信噪比下语音端点检测的准确性,提出一种基于经验模态分解与功率谱熵的语音端点检测方法。对带噪语音信号进行经验模态分解获得一系列语音本征模函数,选取功率谱熵作为语音端点检测的特征,并计算特定阶本征模函数的功率谱熵实现语音的端点检测。通过EMD分解可以有效地消除白噪声的影响,仿真结果表明,在低噪比情况下结合经验模态分解和功率谱熵的方法能够有效实现语音端点检测。     

基于EMD的无载波超宽带雷达目标检测算法

雷达系统的检测能力与回波采样数据中所包含的目标信号的数据量有紧密联系。无载波超宽带雷达体制下,发射脉冲可以由无载波高斯型信号表示,具有周期内持续时间极短、平均功率极低的特点。所以低信噪比就成为了影响其检测性能的重点问题之一。无载波超宽带雷达体制下的回波目标检测不能够继续沿用经典的频域相关接收的检测理论,由于受到系统信号的时域瞬态特性的影响,利用经验模态分解(EMD)算法对原始回波作初步去噪,同时重构目标信号;再通过包络对齐,完成多个回波的非相干积累。仿真结果验证了这种方法的可行性。     

EMD算法发展及应用综述

经验模态分解算法在各个领域都有广泛的应用,在工业领域中,对机械设备故障的机理研究,有助于监测机械运行状态,在医学领域中,准确的检测出患者与正常人数据的差异有助于疾病的分析和诊断,由于经验模态分解算法在非线性非平稳信号分析中具有显著优势,多年来深受学者的关注。文章总结了经验模态分解算法近年来的发展改进及应用。     

基于有理四次Hermite插值和PSO的EMD包络线拟合算法

针对经典三次样条插值在EMD分解中存在undershoot现象,模态混叠问题及分段三次Hermite插值不够灵活等问题,提出一种基于有理四次Hermite插值和PSO的EMD包络线算法.该算法利用有理四次Hermite中的形状参数调整曲线形状,并采用粒子群优化算法从曲线簇中找到最优平滑包络线.通过仿真信号实验和非平稳信号实验,表明该方法能够有效克服传统方法带来的undershoot问题,改善模态混叠效应,同时分解后的IMF分量正交性和能量保存度指标亦均优于经典CSI方法和PCHI方法.     

基于EMD的语音功率谱分析

提出了一种基于EMD的功率谱分析法,即先用经验模态分解方法(EMD)将语音信号分解成若干个固有模态函数IMF分量,而后对包含主要信息的IMF分量利用现代参数模型法估计出它们各自的功率谱。文中对不同情感状态下语音数据的分析结果表明,EMD方法能有效地应用于非平稳语音信号的功率谱分析中,可更细致的体现语音信号内在特征。     

基于分段线性预测技术提取语音谱包络

语音谱包络提取是语音分析中的重要内容.提出了分段线性预测技术用于提取语音谱包络参数.结合滤波器组理论和线性预测模型,首先对语音频段进行划分,然后在不同的频带进行线性预测.实验证明,合成的语音频谱分辨率有了很好的改善.     

基于高阶微分的EMD均值计算方法

为了改善经验模态分解的分离性能,提出一种基于信号高阶微分的分解算法.本文首先讨论了经验模态实现模态分离的必要条件,并证明对输入信号进行偶数阶数值微分可以提高模态分离性能.然后在此基础上提出一种以偶数阶微分的过零点为特征的均值计算方法.最后对仿真信号的分解进行了实验研究.结果表明,本文方法可以改善分离性能,性能提高的程度与理论分析结果符合;与经验模态分解相比,本文方法具有更高的分解精度.     

基于二维EMD的图像噪声抑制方法研究

通过二维EMD分解方法,将含有噪声污染的图像分解为一系列细节信息和趋势信息,结合噪声主要集中在高频的层次的特点并引入主成分分析方法确定滤波层数,然后进行图像重组达到去噪和保存细节信息的效果,实验该方法比传统的去噪方法更佳有效。     

基于EMD的齿轮故障识别研究

EMD(Emirical Moe Decompoition)方法是一种自适应的信号分解方法,该文根据齿轮故障振动信号的特点,将EMD方法应用于齿轮故障诊断中。研究结果表明,EMD方法可以有效地提取齿轮故障振动信号的特征。     

基于EIS-SVM的飞机复合材料健康监测研究

针对复合材料异常检测或健康监测的问题,对电阻抗谱法与支持向量机相结合应用于飞机复合材料构件健康监测进行了研究。制作了同面2电极传感器和两块碳纤维复合材料样板,设计实验电路测量了两个碳纤维被测样本的电阻抗谱,提取了不同类型的电阻抗特征参数;在Matlab软件平台上利用支持向量机对复合材料健康状态进行辨识,并比较分析了不同类型特征参数下的支持向量机辨识准确率。结果表明,相比于Cole-Cole曲线分段各段电阻抗实部或虚部幅值的平均值和频率——实部或虚部曲线分段线性拟合斜率,选取复合材料样板的Cole-Cole曲线分段线性拟合斜率作为特征参数时,支持向量机具有更高的健康状态辨识准确率。初步实验表明,支持向量机与电阻抗谱法结合起来进行飞机复合材料构件的健康监测是可行的。     

强背景噪声下基于HHT端点检测方法

端点检测是语音识别系统中十分关键的一个步骤,它对整个语音系统识别的准确性有着至关重要的作用。针对目前端点检测算法在强背景噪声下存在的不足,通过引入HHT,提出了一种基于希尔伯特-黄变换的端点检测方法。该方法首先采用EMD分解出有限个IMF,然后对IMF进行Hilbert变换,将得到的IMF能量谱作为特征参数来进行语音信号的端点检测,仿真实验证明了该算法在强背景噪声下的有效性与稳健性。     

基于瑞利多径衰落信道的信号包络频谱感知

为提高信号采样值之间的相关性和降低噪声对感知性能的影响,该文提出基于信号包络自相关矩阵的频谱感知算法。首先对采样信号等间隔时长截取,以相邻间隔的采样值计算信号自相关性,并构造出近似自相关矩阵。其次依据矩阵次对角线元素性质构造了统计量。分别计算了该统计量的检测概率分布函数与虚警概率分布函数,分析了频谱感知算法的检测性能,算法优化了信号相关性的计算,降低了噪声对感知性能的影响。最后通过仿真验证了不同参数对检测概率和虚警概率的影响,并提出了进一步提高检测性能的措施。

     

基于EMD的音频水印算法研究

提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)的音频水印算法,选择EMD分解得到的冗余信号分量作为水印的嵌入位置,并证明了冗余信号分量按照提出的算法嵌入水印以后仍然是冗余信号分量,从而为水印嵌入提取提供了理论基础.通过粒子群优化算法求解出适用于EMD分解的最优音频水印嵌入强度,按此强度嵌入水印,可以同时满足水印的健壮性和不可感知性.仿真结果表明,使用计算出的最优嵌入强度嵌入水印,嵌入水印后的音频信号在受到大部分攻击的情况下可以确保水印的不可见性和健壮性.     

基于粒子滤波信号降噪的齿轮箱故障诊断研究

齿轮和轴承是机械设备中重要的部件,它的健康状况直接影响着机械设备的运行状态。研究粒子滤波对齿轮箱的振动信号进行降噪处理,需要知道信号的特性和噪声的统计特性。针对此,先对齿轮箱的齿轮进行振动分析,建立振动模型,而后再研究粒子数算法,对振动信号进行EMD分解,把分解的第一个IMF分量和残余分量进行重构,组建AR模型,经AR模型系数作为粒子滤波状态方程的系数。最后采用小波变换阈值降噪思想,把分解提出的噪声信号放到粒子滤波观测方程中,对信号进行降噪处理。     

基于EMD的激光声表面波仿真分析

激光超声凭借其具有非接触、信号的信噪比高、灵敏度高、频带宽等特点,在材料的检测方面有着独特优势.本文利用有限元软件针对激光激励声表面波过程进行了数值模拟,得到了声表面波的传播特性;对实际检测信号进行了EMD去噪,得到了去噪后的重构信号,将去噪后的信号同仿真信号对比.结果证明激光超声激发的声表面波主要沿着材料表层向四周发...     

基于包络相关法的包络对齐方法改进

在ISAR成像数据录取跟踪过程中,目标姿态突变等因素将造成回波中存在一些对成像作用较小且降低成像质量的数据,致使传统包络相关法的对齐精度不高。文中提出了一种改进措施,先用包络相关法进行初步对齐,接着将降低成像质量的数据剔除,再利用包络相关法进行包络对齐。该方法通过分析回波数据的一维距离像与成像数据的平均一维距离像的归一化相关系数,判断数据是否为降低成像质量的数据,进而对其进行剔除。实测数据成像对比实验表明,该方法是有效的。