基于EMD和小波阈值滤波降噪的MATLAB仿真

本文对经验模式分解(EMD)时频分析进行研究,具体的讲述了EMD算法相关基本概念以及EMD分解方法,同时分析了EMD的改进方法,提出了基于EMD与小波阈值滤波结合进行信号降噪的方法,根据这一方法对非平稳、非线性信号在高斯白噪声下进行了降噪,最后基于MATLAB仿真对小波阈值降噪、基于EMD的小波阈值降噪法进行了比较.仿真结果表明,后者效果好.     

一种新的多尺度分析方法的研究

介绍一种新的多尺度分析方法,并给出了一维EMD实现方法及其在信号处理中的应用以及二维EMD实现方法及其在图像处理中应用,该方法的应用实例及分析过程,同时分析了EMD的优越性和应用前景。     

基于EMD的网络舆情演化分析与建模方法

现有研究忽略网络舆情演化过程的多成分特性,导致演化分析与建模效果较差。为此,提出一种基于经验模态分解(EMD)的网络舆情演化分析与建模方法。对演化过程进行EMD分解,形成演化过程的趋势成分、周期成分、突发成分和随机成分,通过对各成分进行分析与建模,实现网络舆情的演化分析与建模。实验结果表明,该方法通过EMD分解得到的各成分物理含义明显,有助于分析网络舆情的演化规律,同时具有较好的趋势预测效果,适合进行演化建模。     

经验模式分解回顾与展望

经验模式分解EMD打破了Fourier变换、小波分解等传统数据分析方法需要预先设定基函数的局限,是一种完全由数据驱动的自适应非线性非平稳时变信号分解方法,可以将数据从高频到低频分解成具有物理意义的少数几个固有模态函数分量和一个余量。首先介绍了原始EMD方法的原理和算法;接着,总结归纳了EMD当前的研究现状,分析了EMD存在的端点效应、模态混叠、运行速度问题及其在二维情况下的问题并对国内外学者解决这些问题的方法进行了概述和比较;最后结合EMD研究存在的难题指出了EMD进一步研究与应用的发展方向。     

经验模式分解回顾与展望

经验模式分解EMD打破了Fourier变换、小波分解等传统数据分析方法需要预先设定基函数的局限,是一种完全由数据驱动的自适应非线性非平稳时变信号分解方法,可以将数据从高频到低频分解成具有物理意义的少数几个固有模态函数分量和一个余量。首先介绍了原始EMD方法的原理和算法;接着,总结归纳了EMD当前的研究现状,分析了EMD存在的端点效应、模态混叠、运行速度问题及其在二维情况下的问题并对国内外学者解决这些问题的方法进行了概述和比较;最后结合EMD研究存在的难题指出了EMD进一步研究与应用的发展方向。     

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。     

基于AMD的信号趋势项提取和应用

研究基于解析模态分解（analytical mode decomposition, AMD）法的信号趋势项提取方法,将趋势项定义为满足一定频率限值的信号分量,并探讨AMD的端部效应。对比AMD和经验模态分解（empirical mode decomposition, EMD）法的数值模拟与实测数据结果,验证该方法的可行性。分析结果表明：AMD法和EMD法对于趋势项的提取都具有很好的适用性,无须事先假定趋势项类型;与EMD法相比,AMD法处理长时间数据的效率更高。 关键词： 振动信号; AMD; EMD; 信号趋势项     

基于EMD和自适应提升小波分析的图像增强

针对经典和提升小波变换共同的缺陷,提出基于EMD和自适应提升小波分析的图像增强算法。对二维图像信息作EMD分解,提取出图像信息的IMF分量,对此IMF分量进行自适应提升小波分解并重构,得到增强图像。仿真及实验结果表明该方法具有有效性和实用性。     

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。     

经验模态分解结合包络谱LSSVM的滚动轴承故障诊断

针对滚动轴承故障诊断问题,提出了经验模态分解(EMD)包络谱分析结合最小二乘支持向量机(LSSVM)方法用于滚动轴承的故障诊断。EMD具有自适应性,可以有效分析非平稳,非线性信号。利用EMD将轴承信号分解为由高频到低频的固有模态函数(IMF),选取前4个主要包含轴承故障频率的IMF函数进行包络谱分析,采用每个分量函数的特征频率和轴承的时域特征作为轴承故障的识别特征,结合LSSVM方法建立轴承故障诊断定性识别模型。结果表明：单独采用频率特征的LSSVM判别模型无法实现轴承故障的准确识别,其正确识别率仅为82.5%;采用频率特征结合时域特征的LSSVM模型可以实现轴承故障类型的100%准确识别。EMD包络谱分析结合模式识别的方法可以实现轴承故障类型的有效识别。     

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。     

Empirical mode decomposition on surfaces

Empirical Mode Decomposition (EMD) is a powerful tool for analysing non-linear and non-stationary signals, and has drawn a great deal of attentions in various areas. In this paper, we generalize the classical EMD from Euclidean space to the setting of surfaces represented as triangular meshes. Inspired by the EMD, we also propose a feature-preserving smoothing method based on extremal envelopes. The core of our generalized EMD on surfaces is an envelope computation method that solves a bi-harmonic field with Dirichlet boundary conditions. Experimental results show that the proposed generalization of EMD on surfaces works well. We also demonstrate that the generalized EMD can be effectively utilized in filtering scalar functions defined over surfaces and surfaces themselves.     

基于EMD的卫星动量轮性能可靠性建模

对于某些产品,如卫星动量轮,具有高可靠性、长寿命的特点.在对这类产品进行试验时,其时间相对产品的实际寿命通常相对较短,往往无法取得失效数据,那么利用传统的可靠性理论一般无法评定该类产品的可靠性.文中针对该类产品具有小子样、无失效数据的特点,从性能可靠性出发,提出了一种基于EMD算法的可靠性建模方法,同时,对EMD算法进行了改进,找到了一种简单有效的克服端点问题方法.通过对某型号动量轮的实例分析证明该方法对解决该类问题是行之有效的.     

基于改进EMD的接触网绝缘子泄漏电流去噪

采集接触网绝缘子泄漏电流时存在大量干扰,且使用经验模态分解(Empirical Mode Decomposition,EMD)方法去噪时存在端点效应和虚假分量的问题。提出利用类似极值延拓法和功率比值法(The Ratio of Power,TRP)解决EMD存在的上述问题,结合小波阈值方法对泄漏电流进行去噪。选择小波阈值去噪作为对比,对泄漏电流仿真模型和高压实验采集的泄漏电流进行去噪处理。通过去噪前后的有效值、三次谐波和基波幅值之比和信噪比对去噪效果进行评价。结果表明类似极值延拓法和TRP法可有效解决端点效应和虚假分量问题,改进EMD阈值去噪方法去噪效果优于小波阈值去噪。改进EMD阈值去噪方法具有自适应性,适用于污湿情况下的绝缘子泄漏电流去噪处理。     

一种改进的EMD目标跟踪方法

DEMD（Differential Earth Mover’s Distance）跟踪算法采用归一化的EMD模型作为相似性函数,在推导相似性函数梯度时,假定颜色模型中某一区间权重发生改变时其他区间的权重等比例变化,这种假定在很多情况下并不合理。另外,DEMD算法沿着梯度方向以一个像素为步长进行迭代,收敛速度较慢。为了解决上述问题,提出了一种改进的EMD目标跟踪算法。该方法使用未归一化的EMD模型作为相似性函数,通过线性规划中的两阶段法求解EMD距离并推导出相应的均值漂移算法。实验表明,改进算法具有更好的跟踪性能而且收敛速度更快。     

基于EMD和Prony算法的旋转机械瞬时频率估计方法

提出一种基于经验模态分解（EMD）和Prony算法的旋转机械瞬时频率估计方法,先采用EMD滤波去除振动信号中的噪声,然后采用Prony算法估计瞬时频率,只需五点振动数据得到转轴的瞬时频率估计值.仿真结果表明,该方法具有较好的估计精度,适合于旋转机械的故障诊断系统.     

一种抑制EMD端点效应的改进方法

经验模式分解(EMD)存在的端点效应问题影响着该方法的应用。本文研究了基于端点优化对称延拓和镜像延拓的抑制EMD端点效应的改进方法,避免了单独采用端点优化对称延拓法在预测的点数较多时会造成速度较慢,以及单独采用镜像延拓法在处理端点不是极值点的短时间序列时效果不佳的问题。首先利用端点优化对称延拓法对数据序列两端各延拓一个局部极值,获取最佳的信号端点值,然后利用镜像延拓法把镜内的信号映射成一个不存在端点的环形信号,再进行经验模式分解。通过对仿真信号分析,表明该方法能够有效抑制端点效应问题。     

基于EMD的非平稳信号低通滤波技术的研究

本文提出了EMD的一种新用法,该用法可以对非平稳信号进行低通滤波处理,为了论述其方法的可行性,文章首先较详细的介绍了EMD分解法,在此基础上从理论上论述了EMD的低通滤波原理,并用一组石家庄逐月降水距平数据（从1951年至2002年共52年的观测数据）对其进行了进一步的论证,得到了令人满意的结果。该滤波技术可以克服传统滤波器在处理非平稳信号时的信号畸变问题。