基于CEEMD-VMD-SIST算法的sEMG信号降噪方法

针对基于表面肌电信号(sEMG)的手势识别中,由于传统降噪算法对sEMG信号高频部分分解不当或存在频率混叠现象使得对含噪sEMG信号降噪效果不佳而导致手势识别精度大大降低的问题,提出使用基于互补集合经验模态分解(CEEMD)与变分模态分解(VMD)组合的滑动区间软阈值(SIST)降噪算法(CEEMD-VMD-SIST)对含噪sEMG信号进行降噪处理;使用CEEMD将含噪信号分解为从高频到低频的多个不同本征模态函数(IMF),根据自相关系数客观界定后续降噪模态分量范围,对选中的模态分量采用VMD的SIST方法进行分解降噪并与部分剩余模态分量进行重构;从实验结果中可以看出,在不同信噪比下,所提算法的降噪性能与传统降噪方法相比,信噪比与均方根误差均有明显改善,可以更大程度上保留信号的有用信息,即所提算法的降噪性能更佳。     

基于VMD和CWT的MEMS陀螺仪输出降噪研究

针对MEMS陀螺仪信号噪声的问题,提出了一种基于变分模态分解(VMD)和连续小波变换(CWT)相结合的去噪方法.方法 首先利用VMD算法将MEMS陀螺仪信号分解成若干不同频率的本征模态分量 (IMF),有效的抑制了LMD分解中存在的模态混叠现象和端点效应等问题,经过信号重构之后,再用CWT算法进行二次去噪处理,分离出有效的低频信号.将上述方法应用到实际工程中,并与传统的VMD去噪和传统的CWT去噪方法作对比,实验结果表明VMD和CWT联合降噪方法可以有效地去除MEMS陀螺仪输出信号中的噪声,对改善MEMS陀螺仪零偏稳定性有着较好的作用,为工程中解决MEMS陀螺仪降噪问题提供了新思路.     

基于ICA和EMD的生理信号提取

提出一种新的获取人体生理参数的方法,用摄像头采集人脸的彩色视频,对人脸区域进行颜色通道分离和独立成分分析（ICA）,获取有用信号。使用经验模态分解（EMD）的方法,把信号分解成可以反映出生命信息的固有模态函数（IMF）,再根据所设计的提取准则,分别提取出较为准确的心跳和呼吸信号。用Bland-Altman法进行对比实验分析,结果表明,此方法具有一定的准确性和实用性。     

基于VMD的无人机视频呼吸率检测

无人机晃动是视觉传感器提取生命体征造成误差的重要原因.针对该问题,本文提出一种基于变分模态分解(VMD)的抗无人机晃动呼吸率检测方法.首先,采用复可控金字塔提取呼吸率的初始特征,其次,设计一种基于变分模态分解的呼吸信号提取方法,获得候选的呼吸模态信号,最后,选择方差最小的本征模态实现呼吸率检测.本文实验结果表明,在无人机自身正常晃动情况下,本文方法能够有效提取本征呼吸信号.本文方法能在不同受测距离情况下实现不同人体姿态下的呼吸率检测,其检测精度优于现有方法.     

基于VMD的相控阵超声信号降噪方法研究

针对超声检测在钢板板边和轮对可能存在漏检的问题,采用相控阵超声检测技术对钢板板边裂纹缺陷和轮对孔缺陷进行成像检测;针对钢板和轮对缺陷散射信号信噪比低的问题,提出了一种参数优化的变分模态分解（VMD）算法,避免了人为主观影响,通过选择对应频带的本征模态函数（IMF）分量表征原始信号特征,并通过比较VMD分解后各本征模态函数（IMF）分量与原始信号的信噪比与均方根误差来评价（VMD）算法的效果,最终实现缺陷成像检测。实验结果表明：与原始信号相比,该方法处理后的缺陷信号具有较好的保真度,信噪比与平滑度,均方根误差降低,不易出现模态混叠现象,有良好的分解效果。处理后成像结果更为清晰,缺陷的大小、位置及形状都能够完整展示出来,可以实现孔缺陷和裂纹缺陷的定位检测。     

基于ICEEMDAN与Teager能量算子的牵引供电系统谐波检测算法

针对传统的谐波检测算法无法分析牵引供电系统中的非线性、非平稳谐波的问题,文章提出一种基于改进自适应噪声的完整集合经验模态分解（ICEEMDAN）与Teager能量算子（TEO）相结合的谐波检测算法。其先将待测信号经ICEEMDAN得到一组固有模态函数（IMF）分量,再通过筛除虚假分量,得到真实的IMF分量;然后,对各个IMF分量进行Teager能量算子（TEO）解调,得到谐波分量的幅值与频率随时间变化的图像。经分析得出,ICEEMDAN作为希尔伯特-黄变换（HHT）中的重要步骤经验模态分解（EMD）的改进算法,相较EMD的其他改进算法,其抑制模态混叠的效果最佳,并具有良好的自适应性,在处理非线性非平稳信号时有着很好的表现;而TEO能准确检测出谐波的瞬时幅值与频率,并快速响应信号的变化。通过构造牵引网特性中的谐波信号对该算法进行仿真分析,结果显示,分析稳态电流谐波时,幅值与频率的平均检测误差分别为3.56%和1.74%;分析暂态电流谐波时,幅值与频率的平均检测误差分别为3.39%和2.44%。这表明文章所提算法能够对牵引供电系统谐波的幅值与频率进行准确的检测,并可以准确定位谐波信号的突变...     

微电网HHT谐波检测与时频分析方法

为解决微电网谐波、突变等复杂非平稳信号的精确检测问题,提出一种基于Hilbert-Huang变换（HHT）的微电网谐波检测与时频分析方法。该方法采用保形分段三次埃尔米特插值法拟合极值点曲线,对谐波信号进行经验模态分解（EMD）,得到有限个固有模态分量（IMF）并进行Hilbert变换,最终计算各个IMF分量的瞬时频率和瞬时幅值,实现微电网谐波等非平稳电能信号的时频特性精确检测。仿真结果表明,该方法能够快速、准确地获取谐波信号频率成分、幅度及电压突变时刻。相对于FFT变换及传统HHT方法具有较高的精度和时域区分特性,可满足微电网谐波微机检测的工程应用需求。     

基于FMCW雷达的多人心率呼吸检测

针对目前毫米波雷达应用于多人生命体征检测效果不佳, 检测范围小等缺点, 提出了一种多人心率呼吸提取分离方法, 首先采用Capon波束成形技术对非目标区域信号形成零陷, 对目标区域进行提取相位、相位解缠绕操作; 其次利用自适应谐波跟踪算法滤除噪声; 最后使用粒子群算法和样本熵改进的变分模态分解法(PSO-SE-VMD)对信号进行分解得到模态分量, 选取合适的模态分量并通过短时自相关算法提取心率呼吸. 实验结果表明, 该方法在夹角30°和60°时心率的均方误差分别为5.55和3.15, 实现了多人检测并有效提高了检测范围.     

基于VMD的井下变频系统漏电保护误动研究

针对变频器使用给煤矿井下漏电保护带来的误动问题,提出了一种基于变分模态分解（Variational Mode Decomposition，VMD）的煤矿井下变频系统漏电保护新方法。利用VMD分解算法对馈电线路零序电流进行分解，得到数个固有模态分量，计算各个模态分量的能量比重，选择最佳模态分量作为特征分量，比较特征分量能量比重，区分正常情况下由变频器产生的零序电流和故障下零序电流，即筛选出故障零序电流。通过Matlab仿真实验分析可知，该方法能够有效解决变频器带来的漏电保护误动问题。     

基于VMD双狼群算法的电网单相接地故障选线优化

针对电网单相接地故障选线的问题,对传统小波分解线路故障选线法进行改进,提出一种VMD(Variational Mode Decomposition)双狼群算法对故障选线进行优化。利用变分模态分解VMD提高信号的分解精度,对各条线路故障前后的能量特征进行提取,并形成故障的特征向量作为神经网络的输入。同时为了提高传统狼群算法的寻优精度,引入双狼群算法,建立一种VMD-DLWCA-NN模型,并由该模型的输出来判定故障线路。仿真实验验证了该方法的准确性。通过与小波算法法及传统算法对比,表明优化后的系统选线效果更好。     

自适应去噪的非接触式生理参数检测方法

成像式光电容积描记法（imaging Photoplethysmography,iPPG）是一种利用视频信号实现非接触式生理参数检测的方法,但该方法的性能易受外界条件影响,尤其对环境光变化及受试者头部运动等噪声敏感。为了消除噪声影响,根据噪声信号和iPPG信号的时频特性,提出了一种基于变分模态分解（Variational Mode Decomposition,VMD）的相关能量熵阈值自适应去噪与方差表征序列（Variance Characterization Series,VCS）的抗干扰非接触式生理参数信号获取方法。利用分解算法将由人脸视频中获取到的血容量脉冲信号分解为频率由高频到低频且具有一定带宽的模态分量。分别计算各个模态分量子区间的噪声能量熵从而获得该分量的阈值,再经阈值处理得到重构的去噪信号。利用VCS方法检测重构后的信号的质量从而自适应地选择信号分析方法,实现心率和呼吸率的生理参数的精确估计。在公开数据集和自采数据集上进行验证实验,实验结果表明,提出的方法对环境光与头部运动干扰有着较强的稳健性,相比目前已有的方法能够得到更精确的心率与呼吸率估计值。     

基于鲸鱼算法优化LSSVM的滚动轴承故障诊断

针对轴承振动信号中的故障特征难以提取的问题,提出一种基于改进的鲸鱼算法优化最小二乘支持向量机(least square support vector machine, LSSVM)的故障分类方法.首先,利用变分模态分解(variational mode decomposition, VMD)对原始信号进行分解,使用中心频率法解决VMD中分解参数K值的选取问题;其次,计算每个IMF分量的多尺度排列熵值,提取信号故障特征;再次,针对鲸鱼算法(whale optimization algorithm, WOA)收敛速度慢和精度低的问题,引入冯诺依曼拓扑结构和自适应权重进行改进,可以适当地调整全局搜索能力和局部搜索能力之间的平衡;最后,采用改进后的鲸鱼算法优化LSSVM核函数的参数和惩罚因子,建立滚动轴承故障诊断模型,并利用美国凯斯西储大学提供的轴承数据集进行仿真实验.实验结果表明,所提方法的故障分类性能更好,准确率更高.     

改进的经验模态分解法去除脉搏波基线漂移

脉搏波信号中含有丰富的人体生理病理信息,然而基线漂移的存在严重影响人体生理参数的准确提取,需要予以去除。针对传统经验模态分解（EMD）方法在去除基线漂移时,通过经验来确定基线漂移信号所在的固有模态函数阶数,导致去噪性能下降。根据EMD分解过程中固有模态函数的特性,提出基于过零率检测的方法进行算法改进,通过计算每阶固有模态函数的总过零率,设定阈值来确定基线漂移阶数。仿真实验结果表明：该改进算法科学严谨,能够有效地去除脉搏波基线漂移,提高了信噪比,有利于提高基于光电容积脉搏波提取血压、血氧等人体生理参数的精度。     

基于变分模态分解的直肠压力信号预处理研究

针对依托于人工肛门括约肌系统的直肠功能诊断模型中采集信号存在大量干扰噪声的问题,提出了一种基于变分模态分解(VMD)算法与小波加权平均阈值去噪结合的预处理方法。利用VMD算法对原始直肠压力信号进行分解,对各模态分量进行小波阈值去噪,提取出有用信号进行重构。通过仿真比较分析该方法与EMD、小波阈值去噪等方法的去噪效果。实验结果表明,该方法在不同噪声水平下均显著提高输出信号的信噪比,同时避免原始信号中有用信息的丢失,具有良好的去噪效果,对直肠功能诊断的准确性具有重要意义。     

轴承早期故障特征提取方法研究

针对滚动轴承早期故障信号被背景噪声淹没、故障特征不明显的问题,提出一种基于小波包分解和互补集合经验模态分解(CEEMD)的轴承早期故障信号特征提取方法.利用Matlab软件对采集到的轴承振动信号进行快速谱峭度分析,根据峭度最大化原则确定带通滤波器的中心频率和带宽,设计带通滤波器;对经过带通滤波器滤波后的信号进行小波包分解和CEEMD分解,根据峭度、相关系数筛选出有效本征模态函数(IMF)分量;利用IMF分量重构小波包信号,对重构小波包信号进行包络谱分析,提取轴承早期故障信号特征频率.该方法通过谱峭度分析降低背景噪声干扰,通过小波包分解增强故障冲击信号,并将CEEMD与小波包分解相结合,解决经典EMD分解存在的模态混叠、无效分量问题.仿真结果表明,相较于传统包络解调算法,重构后信号的背景噪声得到抑制,故障特征分量突出,验证了所提方法的可行性和有效性.     

E-V-ALSTM模型的股价预测

针对股票价格非平稳、非线性、高复杂和随机波动等特性使其预测难度大的问题,提出一种基于E-V-ALSTM混合深度模型的股票价格预测方法。使用经验模态分解（EMD）对股票价格数据进行第一次分解,得到若干固有模态函数（IMFs）和一个残差（Res）,降低了股票价格数据的非平稳性和非线性;使用样本熵（SampEn）对这些IMFs进行复杂性评估;将复杂度高于一定阈值的IMFs使用变分模态分解（VMD）进行二次分解,以降低股票价格数据的复杂性;通过加入注意力机制的长短期记忆神经网络（LSTM）模型进行预测,捕捉关键时间点特征信息,重新赋予权重,以解决股票价格数据的随机波动性,提升预测方法的精确度。对沪深300指数和德国DAX指数等数据集上的实验结果表明,该模型比其他对比模型能进一步提高股票价格预测的准确性。     

稀疏分解在雷达移频干扰抑制方面的应用研究

移频干扰是对脉冲压缩雷达有效的干扰形式,为了抑制移频干扰对线性调频脉冲压缩雷达的影响,提出构建自适应的联合过完备原子库的思想。根据雷达发射信号与移频干扰信号的特征,构造一组线性调频时移信号和一组线性调频频移信号,由这两部分信号共同构成联合过完备库;利用稀疏分解方法和BP(Basis Pursuit)算法实现干扰抑制和有用信号的重构。实验结果验证了该方法的有效性和正确性。