经验模态分解的边界效应处理技术

经验模态分解是近年来发展起来的分析非线性、非平稳信号的新方法,已经应用于许多工程领域,并体现出了独特的优势,然而在经验模态分解过程中。当样条函数拟合信号上、下包络时却存在着棘手的端点问题。在论述经验模态分解原理的基础上,针对筛过程存在的边界效应,提出了将外推极值点与镜像延拓相结合的边界效应处理方法,进一步完善了经验模态分解理论;在仿真实验中,将所提的经验模态分解与基于镜像延拓、基于AR模型延拓等经验模态分解进行了性能对比,实验结果表明所提出的方法能够有效地抑制经验模态分解过程中出现的边界效应,具有通用性好、适应性强等优点。     

对经验模态分解改进方法的研究

论文主要是针对对经验模态分解在分离信号功能方面提出两种改进方法:先去噪后分解以及先设定所研究对象的频率范围再从众多内模函数中提取相应数据.     

经验模态分解频率分辨率的一种改进方法

针对传统的经验模态分解（Empirical Mode Decomposition,EMD）中由于信号间的相互作用造成的单个固有模态分量带宽过大的问题,提出使用改进的掩蔽信号并结合增加筛选过程迭代次数的方法来对其进行改进。研究了迭代次数与EMD频率区分能力的关系;提出了一种改进掩蔽信号的方法,采用自适应加权的方式构造掩蔽信号的频率,权值的选择基于分离误差最小化的准则。仿真实验表明,对具有不同幅度比与频率比的信号,提出的改进方法能够有效地提高EMD的频率分辨能力。     

经验模态分解方法的小波消失现象

在分析经验模态分解（EMD）算法的基础上,通过提取叠加在正弦信号中的瞬态微小波形成分发现EMD分析方法的小波消失现象。以正弦信号中的微小信号的提取为分析对象,根据EMD算法的特点,推出正弦信号中的微小波形提取时的小波消失条件。通过改变微小波形的时间中心相对于正弦信号的位置提取正弦信号中叠加的微小波形,验证了小波消失条件的正确性。EMD分解方法的小波消失现象的分析丰富了EMD分解方法的适用性研究。     

经验模态分解及其模态混叠消除的研究进展

由Huang提出的经验模态分解(Empirical Mode Decomposition,EMD)算法是一种数据驱动的自适应非线性时变信号分析方法,可以把数据分解成具有物理意义的少数几个固有模态函数(Intrinsic Mode Function,IMF)分量。然而模态混叠会导致错假的时频分布,使IMF失去物理意义,严重影响了EMD分解的准确性与实用性。分别针对一维和多维EMD抑制模态混叠,总结归纳了相关研究取得的主要成果,指出了各方法抑制效果的改进及仍有的不足。最后讨论了相关研究及应用未来的发展趋势。     

一种改进的经验模态分解方法

针对经验模态分解中存在的端点效应及模态混叠现象,提出一种新的改进方法。利用镜像延拓方法对信号两端数据进行延拓后,结合余弦窗函数以解决端点效应对分解结果的影响,再利用高频谐波法结合掩膜信号法抑制EMD分解过程中存在的模态混叠。通过实验对比验证了该方法的有效可行性。     

经验模态分解方法中端点问题的处理

经验模态分解方法可以有效提取非线性非稳定信号的瞬时特征,但是在利用样条插值获得信号上、下包络过程中存在着棘手的端点问题。有文献提出利用线性神经网络对信号进行延拓的方法,来解决经验模态分解方法中存在的端点问题。提出利用BP和RBF网络对信号进行延拓的方法解决该问题;并利用实验对三种网络的延拓效果进行比较,证明了RBF神经网络的有效性。     

管道泄漏模拟声发射的压缩感知及经验模态分解

管道泄漏监测中常用到声发射信号检测技术。压缩感知理论是一种高效的信号采集压缩处理方法,将其应用到模拟声发射信号的采样重构中,可以使信号采样不再受Nyquist采样定理的限制,降低了数据采集成本,通过重构算法实现对原始信号的精确重构。进而对重构声发射信号进行分解,通过对比信号的经验模态分解,集合经验模态分解和掩膜信号法分解结果,表明掩膜信号法能有效抑制分解过程中存在的模态混叠现象,使分解结果更加精确有效。为声发射信号的特征提取打下坚实基础。     

基于改进经验模态分解的HHT密集模态识别方法

针对传统HHT方法不能有效识别密集模态的问题,提出基于改进经验模态分解(EMD)的HHT密集模态识别方法。EMD密频信号分解能力不足是限制HHT法识别密集模态的主要原因,因此在EMD分解过程中嵌入信号调频(FM)和模态解相关操作提升其分解密频信号的能力,称改进后的方法为调频-解相关模态分解(FM-DEMD)。以FM-DEMD分解取代传统HHT法中的EMD分解,得到改进HHT模态识别方法。仿真试验证明：传统HHT法和ITD法密集模态识别失效时,改进HHT法仍能准确识别密集模态信息。     

基于经验模态分解的电磁辐射干扰检测技术研究

电磁辐射干扰检测是电磁兼容测试工作的一项基础内容,是排查电磁兼容故障的重要手段.该研究提出了一种基于改进的经验模态分解的电磁辐射信号处理方法,适合于噪声环境中非平稳电磁辐射干扰信号的检测.该方法的基本思想是将包含多种频率成分的复杂信号分解,得到相应的本征模态函数,然后利用自适应滤波器完成信号提取,从而达到加快复杂电磁环...     

经验模式分解及其应用研究

经验模式分解（Empirical Mode Decomposition,EMD）是一种完全由数据驱动的自适应非线性时变信号分解方法,它将数据分解成具有物理意义的几个内蕴模式函数分量。介绍了一维EMD、二维EMD的基本概念、主要算法及其主要应用,指出了EMD的主要优点和缺点,给出了EMD研究与应用的发展趋势。     

基于经验模态分解的WVD交叉项抑制法

针对Wigner-Ville分布(WVD)存在交叉项的问题,提出一种基于经验模态分解(EMD)的WVD交叉项抑制方法,将EMD得到的各固有模态函数去伪后进行WVD计算,将WVD分析结果线性叠加后重构出原始信号的WVD时频分布。仿真结果表明,该方法能有效抑制时频分布的交叉项,保证WVD的时频聚集性,分析信号的调幅调频现象。     

经验模态分解方法（EMD）在数据挖掘中的应用

股市数据无时无刻不在变化,然而带有明显的时序性。从直观上说,数据值的变化直接受到时间参数的影响,因此直接利用原始数据不仅简单明了,而且容易发现数据瞬时变化的特性。本文阐述了经验模态分解（EMD）方法的原理和思想,利用经验模态分解方法在提取数据时存在的优势,解决了在股票预测时由于数据量大不利于判断股票走势的问题。我们把经验模态方法和多层反馈神经网络FP算法相结合对现实中的股票数据进行相似模式匹配,简化股票趋势预测的复杂性,为股市的预测提供了一种简单有效的方法。     

基于经验模态分解和SVM的脑电信号分类方法

脑电信号的非线性、非平稳性造成对运动想象脑电信号的分类识别存在特征提取困难、可区分性低以及分类识别性能差等问题。本文提出一种基于经验模态分解(Empirical Mode Decomposition, EMD)和支撑向量机(Support Vector Machine, SVM)的运动想象脑电信号分类方法,充分利用EMD算法在处理非线性、非平稳信号的自适应性以及SVM在小样本条件的高识别性能和强泛化能力。首先利用EMD算法将C3、C4导联信号分解为一系列本征模函数(Intrinsic Mode Function, IMF),然后从IMF的信息和能量等维度提取特征将脑电信号转换至区分性更强的特征域,最后利用SVM进行分类识别。采用国际BCI竞赛2003中的Graz数据进行验证,所提方法可以得到94.6%的正确识别率,为在线脑-机接口系统的研究提供了新的思路。     

基于经验模式分解的汉字字体识别方法

提出了一种基于经验模式分解(empirical mode decomposition,简称EMD)的汉字字体识别方法.通过对大量汉字字体的研究比较,选取了能反映汉字字体基本特征的8种基本笔画.以这8种汉字笔画为模板,在汉字文档图像块中随机地抽取笔画信息,形成笔画特征序列.通过对笔画特征序列作EMD分解,提取每个笔画特征序列的高频能量,并结合汉字文档图像块的平均灰度,形成字体识别的一个9维特征.     

改进的EMD及其在风电功率预测中的应用

针对非平稳信号在经验模态分解(Empirical Mode Decomposition,EMD)过程中包络拟合时出现的过冲/欠冲问题,提出采用分段三次Hermite插值代替三次样条插值作为新的包络拟合算法.针对神经网络对非平稳性功率序列预测困难问题,采用EMD和神经网络相结合的方法对发电功率进行预测.使用改进的EMD对...     

经验模态分解方法在张力控制中的应用研究

张力控制是卷绕自动化生产线中的关键技术.针对张力控制要求较高,而张力传感器所测张力信号的波动会引起控制精度降低的问题,采用一种基于经验模态的分解方法对张力信号进行处理,再运用张力控制器进行控制.仿真实验表明,这种控制算法可以满足张力较大、坯布较厚和张力变化较慢的加工工艺机械的要求;但对于一些轻薄织布的加工,由于张力调节要求超调较小,且必须快速稳定,这种设计还需要进一步改进.     

一种改进型经验模态分解及其在信号消噪中的应用

针对非线性非平稳信号的消噪问题, 基于经验模态分解提出一种模态单元滤波新方法. 该方法将经验模态分解的内模函数中两个相邻过零点之间的信号定义为模态单元, 并以之作为基本分析对象, 通过对模态单元振幅的阈值处理来判断模态单元的类型, 进而建立模态单元滤波模型. 分析了经验模态分解法在分解不同Hurst指数分形高斯噪声时模态振幅的演化规律, 并建立了一种用于高斯消噪的阈值选取规则. 为验证本文方法的有效性, 进行了数字仿真与实例应用实验. 仿真和实验结果均表明, 所提方法的消噪效果整体上优于最优小波阈值消噪方法, 同时模态单元滤波消噪算法具有自适应性, 是一种有效的信号消噪新方法.     

一种BEMD第一余量图像压缩的方法

提出一种针对二维经验模态分解第一余量图像的压缩方法。解释了第一模态、第一余量和第一均值等概念,将可以利用网格特征点表示的各个均值曲面分别进行压缩。根据第一余量曲面和其各个均值曲面的加和关系,将各个均值曲面分别重建后再相加得到第一余量曲面(图像)高质量的还原结果。实验结果表明,该方法在图像低频信息压缩方面与传统的压缩方法相比具有明显优势。