抑制经验模分解边缘效应的极值点对称延拓法

经验模分解(Em p iricalM ode D ecom position,EMD)是希尔伯特-黄变换(HHT)的核心,而经验模分解方法的关键是对提取固有模式函数(Intrinsic m ode function,IM F)时所谓边缘效应问题的处理。提出了极值点对称延拓方法,用来对边缘效应问题进行处理。算例分析结果表明该方法的算法简单,计算速度快,能有效地抑制EMD分解时的边缘效应,分解得到的固有模式函数完备地体现了原信号真实的频率和幅值信息。在信号重构时不会带来原始信号的畸变。     

经验模态分解（EMD）中边界处理的新方法

在深入研究和分析希尔伯特-黄变换(HHT)方法的基础上,对信号提出了半周期半对称延拓算法,并以此来处理经验模态分解中存在的边界误差问题.通过信号模拟试验,并与EMD方法的结果作比较,检验了该方法的有效性和精度.     

检测低频振荡模式的EMD复合算法研究

提出一种抗模态混叠的EMD复合算法。首先,通过改进频率外差方法,增加混叠模态分量间的频谱距离,有效分离出倍频模态混叠成分;其次,结合小波奇异点检测技术,确定各模态分量的自适应滑动分析窗口,实现间歇性混叠模态分离和振荡模式非平稳参数辨识。为验证算法的有效性,利用测试算例和电网仿真算例进行了测试分析,结果表明,该算法能够有效分离出混叠模式分量,对于模式复杂的低频振荡信号,能够有效分离出对应的低频振荡模式,具有较高的振荡模式信息检测精度。     

基于去噪和分形的加密货币投资组合模型优化研究

为提高投资效益,本文针对传统投资组合模型的缺陷,结合经验模态分解(EMD)去噪法和多重分形消除趋势交叉相关分析法(MF-DCCA),提出经验模态分解去噪下的多重分形投资组合模型(简称EMD-Mean-MF-DCCA).将新模型应用于极具投机性的加密货币投资组合,结合滚动窗口技术进行样本外检验和分析,实证结果显示:无论加...     

基于经验模态分解的目标特征提取与选择

经验模态分解(EMD)是一种新的非平稳时变信号处理方法,可以自适应地将信号的局部特征逐级分解出来。提出了基于EMD的舰船噪声特征提取与选择方法,将本征模态函数(IM F)分量及其瞬时频率作为特征,并选择其判别熵作为特征向量的可分性度量。数值仿真和实际噪声数据处理的结果表明IM F分量和频率可以充分体现目标的特征,具有良好的类别可分性。     

基于EMD与ICA的滚动轴承复合故障诊断

针对单通道情况下滚动轴承复合故障难以分离问题, 提出基于经验模式分解 (empirical mode decomposition, EMD) 的独立分量分析 (independent component analysis, ICA) 算法.该方法首先对单通道采集的轴承复合故障信号进行EMD分解, 得到多个基本模式分量函数 (intrinsic mode function, IMF) , 然后依据帩度指标及相关系数值, 选取有效的IMF分量与原观测信号组成新的观测信号, 对其进行ICA处理, 进而实现轴承复合故障的分离.实验结果表明, 该方法可有效地分离轴承早期的复合故障.     

基于经验模态分解（EMD）的小波阈值除噪方法

针对低信噪比信号的去噪问题,提出了一种基于经验模态分解的小波阈值去噪方法,并与小波变换去噪法的效果相比较.试验结果证明,当信号的信噪比较小时,基于经验模态分解的小波阈值去噪效果是相当有效和稳定的,为研究环境脉动下结构的输出信号去噪处理提供了新的手段.     

经验模态分解在直升机谱特征提取中的应用

为了更有效地提取直升机辐射噪声的频谱特征,提出了一种基于经验模态分解(EMD)的特征提取算法.仿真研究表明EMD具有突出信号局部特征且余量可表征信号变化趋势的特性,该算法将目标辐射噪声的频谱构成和EMD的特性相结合,将EMD应用于变换域(信号频谱序列)信号分析,有效的实现了信号连续谱的提取.相比于平滑滤波器法须人为选择最优的α值,且提取的连续谱有滞后性的不足,文中所示方法可自适应的提取信号的连续谱,且在准确无滞后地估计连续谱的同时,对线谱有一定的"增益",为后续的目标识别提供更全面的信息.     

基于BEMD的水下声影区地貌及纹理特征提取

提出了一种基于二维经验模态分解(The Bidimensional Empirical Mode Decomposition,BEMD)的水声图像声影区地貌及纹理特征提取方法.为了解决声影区的存在对水声图像特征提取的干扰问题,先对水声图像进行二维模态分解,采用Canny边缘检测器对其中的模态1或几个模态的叠加进行特征提取.实验结果表明,该方法增强了声影区内目标的特征信息,弱化了声影区的阴影边缘,是一种实用的水声图像特征提取新方法.     

基于Holt-ARIMA-Lagrange Multiplier的CWC信息熵时序研究

降水云系的发展过程及其特征分析,是云降水物理学中的一个重要问题.本文选取一次云发展过程中的700 hPa云水含量(Cloud Water Content, CWC)和大气垂直方向上气流速度(Omega, OMG)的1 h值,以信息熵来度量CWC空间分布的混沌程度,辅以OMG的时间变化来判断云的发展,并提出了一种基于多尺度分解、Holt模型、自回归滑动平均模型(Autoregressive Integrated Moving Average Model, ARIMA)和Lagrange Multiplier的组合预测方法.结果表明：1)CWC熵具有非线性和非平稳性;2)在云的不同发展阶段,北方CWC熵序列的均值都小于南方,方差普遍大于南方;3)OMG区域均值与CWC熵的小波低频重构的极值点在时间上有很好的对应关系,相近的极值点在南方中占50%,在北方中占83.3%,表明CWC熵可以在一定程度上反映云系的发展;4)CWC熵序列往往具有多种时间尺度特征,故进行多尺度分解之后再组合建模的Holt-ARIMA-Lagrange Multiplier模型比单一预测方法、单层分解的预测模型更优,准确...