基于经验模态分解的自适应滤波算法及其应用

在对炮膛进行检测时,由于温度、光照强度等影响,使得测得的信号带有很大的噪声,当噪声频带很宽时,自适应滤波器的参数设置比较困难,致使去噪效果不明显.为此,提出了一种基于经验模态分解的自适应滤波算法,该算法基于信号和噪声经过经验模态分解后在不同的IMF上有不同的特征,即先对信号进行经验模态分解,然后对各个高频IMF信号分别选用不同的滤波参数,进行自适应滤波处理.通过实验对比研究了该算法与普通自适应去噪、多尺度EMD滤波的降噪效果,实验表明,该算法具有很好的去噪效果.将该算法应用于炮膛检测系统中身管内径测量信号的降噪处理,取得了满意的效果.     

经验模式分解用于激光雷达大气回波处理

为了提高激光大气回波处理的时效性,采用了经验模式分解方法,分析了经验模式分解的原理,研究了经验模式分解在激光雷达大气回波信号实时处理中的应用.进行了理论分析与仿真验证,取得了经验模式分解和100次信号平均处理后的结果,并进行了比较.结果表明,经验模式分解处理后的重构信号与100次信号平均结果接近,相关系数为0.99,同时处理时间缩短为1%,可以满足某些情况下的实时处理要求,并且能够抑制回波中一些薄云的干扰.这一结果对激光雷达大气回波信号实时处理是有帮助的.     

一种脉冲激光雷达回波信号自适应处理

对均匀大气脉冲激光散射回波信号降噪方法进行研究。对回波信号频谱进行分析,并对低通滤波与自适应滤波对激光雷达信号处理效果进行对比,采用信噪比这一指标对信号的处理效果进行评估。     

Mie散射激光雷达大气回波信号经验模式分解算法的研究与应用

详细论述了经验模式分解(EMD)的激光雷达大气回波信号降噪信号处理方法.并进行系统仿真及实验验证.这种基于EMD的去噪算法适合处理含有脉冲的信号(如Block,Bump和脉冲回波信号等).通过利用该算法对米(Mie)散射激光雷达大气回波信号进行分析处理,其结果表明该去噪方法能去除大气回波中含有的噪声,能为下一级消光系数反演提供高信噪比(SNR)的初始数据.     

基于改进阈值的小波分解和经验模态分解的人体脉搏信号滤波算法研究

脉搏信号是反映人体健康状况重要的信号之一,对于医生诊断病情有重要的指导意义。本文分析了脉搏信号中噪声的特点,针对不同种类的噪声,结合小波变换和经验模态分解算法在滤波方面的优势,给出基于改进阈值的小波分解和经验模态分解的人体脉搏信号滤波算法,滤除脉搏信号中的各类噪声。与传统的滤波方法相比,基于小波和经验模态分解的人体脉搏信号滤波算法具有较好的滤波效果。本文网络版地址:http://www.eepw.com.cn/article/233868.htm     

基于经验模态分解的单端BOTDA系统降噪方法研究

针对单端布里渊光时域分析(BOTDA)系统存在噪声大、信噪比较低等不足,提出一种基于经验模态分解的降噪方法。理论分析经验模态分解的降噪原理和少模光纤单端布里渊光时域分析传感原理,通过搭建的单端结构布里渊光时域分析温度传感系统,对经验模态分解的降噪效果进行对比分析。实验和仿真结果表明,经验模态分解算法对温度传感系统具有良好的降噪效果,降噪后信噪比提升了约3.06 dB,温度测量精度提升了约0.98℃。     

一种改进的基于经验模态分解的小波阈值滤波方法

经验模态分解是一种新的信号分解方法,该方法可将非线性非平稳信号分解成若干个单分量的本征模态函数,使得每个本征模态函数都具有一定的物理意义。本文探索了该方法在语音增强方面的应用.在文献[8]的基础上,对其方法进行了有效改进。首先将带噪语音进行经验模态分解,得到六个本征模态函数和一个余量信号,对这七个信号分别进行小波阈值滤波,并由滤波后的七个信号重构语音。结果表明,该方法的滤波效果明显优于对带噪语音直接采用小波阈值滤波的方法,并且较之文献[8]的滤波方法也具有一定的优势。     

基于经验模态分解的管道超声回波信号识别

在管道超声无损检测中,超声回波信号常受到噪声干扰或者因管道壁缺陷原因导致回波波形重叠,故检测信号很难判断缺陷大小。现采用一种基于经验模态分解(Empirical Model Decomposition,EMD)的方法,对超声回波信号的到达时间进行准确识别。该方法首先把原始采集的超声回波信号进行经验模态分解,预处理回波信号中的噪声干扰,处理后的信号通过正交检波处理得到该信号的峰值包络,则该包络的峰值时刻对应了回波信号的到达时刻。通过对实测缺陷信号的试验,验证了该方法的可行性和准确性。     

基于经验模态分解的激光陀螺随机信号消噪

各种随机噪声是导致激光陀螺产生误差的主要因素,且其性质特殊,很难用传统的滤波方法去除。为了抑制激光陀螺的随机漂移,提高使用精度,提出了一种新型经验模态分解方法对陀螺随机漂移测试信号进行滤波处理。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。运用该方法对激光陀螺测试数据进行了滤波降噪实验,并用Allan方差法对不同降噪算法的降噪效果进行了比较分析,实验结果验证了该方法的有效性和优越性。     

一种基于经验模态分解的信噪比盲估计新算法

为了增强未知样式信号的信噪比估计性能,提出了一种基于经验模态分解（EMD） 的信号信噪比估计新算法,通过固有模态函数（IMF）分量平均周期判断信号与噪声界限。 给出了经验模态分解估计法的工作原理和流程图,分析了经验模态分解估计法的性能。仿真 结果表明,与信号空间分解法一样,经验模态分解估计法能够实现盲信号信噪比估计,后者 估计均方误差比前者要小,在0 dB信噪比下均方误差不超过0.3 dB。     

基于优化变分模态分解算法的回波信号去噪

超声流量计的回波信号中通常存在噪声干扰,导致回波信号难以准确定位.为滤除超声波回波信号中的噪声,提出了一种基于优化变分模态分解(VMD)算法的信号去噪方法.所提方法首先利用互信息准则的信息熵将遗传算法与VMD相关联.然后,将样本熵作为适应度函数,自适应性地优化VMD算法中的参数组合.最后,对原始信号进行分解,利用相关系数计算出有效信号,并将有效信号进一步去噪后进行重构.仿真结果表明,所提方法能有效滤除超声波回波信号中的噪声并且能够完整的保留有用信号.     

基于变分模态分解的自适应滤波降噪方法

为了提高分析信号的信噪比,本文提出了一种基于变分模态分解的变步长归一化最小均方自适应滤波降噪方法.该方法对原信号进行变分模态分解并区分信号分量和噪声分量,再对噪声分量进行间隙阈值降噪处理并将其作为参考信号输入自适应滤波器,通过自适应算法迭代处理得到降噪后的信号分量,并通过重构算法得到最终降噪后的信号.本文还在变分模态分...     

基于补充的集合经验模态最优降噪整形算法

为了准确提取噪声干扰的脉冲信号,本文基于补充的集合经验模态分解的最优降噪整形算法,算法基于固有模态函数构建不同的带通滤波器和方波整形,并依据均方误差、线性相关度和目标函数值指标来建立最优降噪整形算法的判断指标。采用脉冲信号、调幅调频信号和高斯白噪声信号合成数值模拟信号进行仿真实验,本算法能够准确地提取脉冲信号,表明数值模拟仿真实验成功,可应用于提取受噪声干扰的单位脉冲信号。     

基于自适应多尺度形态滤波与EMD的激光雷达回波信号去噪方法

在使用经验模式分解(Empirical Mode Decomposition,EMD)对激光雷达回波信号进行去噪处理时,由于信号含有脉冲及间歇等间断事件而产生模态混叠,导致不能很好地分解出有用信号成分,影响去噪效果。针对这一问题,提出了一种形态滤波与EMD相结合的组合算法。首先,使用自适应多尺度形态滤波器作为前置单元,对信号进行初步处理,剔除信号中的间断事件干扰。之后,应用EMD对处理过的信号去噪。采用仿真数据及真实激光雷达回波数据进行了去噪实验。实验结果表明,文中算法相比于直接EMD去噪,在仿真试验中信噪比提高了8.89 dB,均方根误差降低了0.0514;在真实回波数据去噪实验中,6 km以后平均信噪比提高了3.356 4 dB。该组合算法有效地抑制了模态混叠现象,具有良好的去噪效果及应用前景。     

经验模态分解中多种边界处理方法的比较研究

经验模态分解(EMD)的一个关键问题是处理边界效应。尽管目前除了Huang申请了NASA专利的边界处理方法,仍没有一个最终的解决方案,但工程上已经提出了多种处理方法。本文实现了工程上常用的5种EMD边界处理方法：线性外延,多项式拟合,镜像法,径向基(RBF)神经网络预测和AR预测方法,设计了一套消除了EMD处理中信号的相互作用及模式混淆影响的测试方法,并利用准周期信号和随机信号对它们的边界效应处理结果进行了定量测试。结果表明镜像法是目前相对最优的EMD边界处理方法。     

基于整体经验模态分解的信噪比估计方法

为了提高未知样式信号的信噪比估计性能,提出一种基于噪声辅助的信噪比估计新算法,通过固有模态函数（IMF）分量平均周期的变化判断信号与噪声界限,给出了基于噪声辅助估计法的工作原理和流程图,分析了基于噪声辅助估计法的性能。仿真结果表明,基于噪声辅助估计法能够实现盲信号信噪比估计,在0 dB信噪比下均方误差不超过0.2 dB。     

一种基于模态分解的时频分析方法

阐述了基于模态分解的时频分析方法的基本原理及特点。并与其他时频分析方法相比较，说明了该方法用于信号进行时频分析的可行性和优点，最后指出了该方法亟待解决的几个问题。     

基于集合经验模态分解和信号结构分析的心电信号R波识别算法

R波作为确定心电信号各波段的重要参考,是心电自动分析的前提.针对大多数R波识别算法的预处理过程影响识别准确度和耗时问题,该文提出一种基于集合经验模态分解(EEMD)和信号结构分析的算法对带噪心电信号(ECG)的R波直接进行识别.首先通过EEMD将带噪声的心电信号分解成一系列本征模态分量,然后对分解后的各模态分量作独立成分分析以提取出R波特征最明显的成分,对该成分进行结构分析,从而实现对R波的准确定位.仿真结果表明,该文算法对带噪声心电信号的R波识别具有更优性能,对异常心电信号的R波识别也具有明显效果.