基于经验模态分解和小波分析的靶船外弹道测量数据去噪方法

针对舰船外弹道测量数据误差性质复杂,表现为非平稳信号,难以用模型准确进行描述的问题,提出基于经验模态分解和小波去噪的靶船外弹道测量数据处理方法。首先对测量数据进行经验模态分解,得到测量数据不同频率的本征模函数,接着采用小波间值去噪原理对含有噪声的高频本征模函数去噪,最后将经过去噪的本征模函数与剩下的没有经过去噪的本征模函数和趋势项相加,重构去噪后的靶船测量数据。经实验数据分析,本方法在很大程度上克服了小波阈值降噪的缺陷,保留了高频分量中包含的有用信息,是分析非平稳、多频段的靶船外弹道测量的有效方法。     

基于EMD阈值算法的脉冲涡流信号消噪

针对脉冲涡流信号夹杂着较多的高频噪声,提出了一种新的经验模态分解阈值消噪算法。首先将信号分解为多个本征模态函数（Intrinsic Mode Function,IMF）,对信噪比低的高频IMF进行减小噪声能量处理后得到重组信号;再对重组信号进行EMD分解后根据白噪声统计特性对IMF筛选,对噪声含量多的IMF进行小波阈值消噪;最后将处理过的IMF与噪声含量少的IMF重构得到消噪后的信号。实验仿真的结果和数据表明,该方法可以减少失真,获得更高的信噪比,能够较好地消除噪声的干扰恢复出原始的信号。     

基于奇异谱分析的经验模态分解去噪方法

提出了一种基于奇异谱分析(SSA)的经验模态分解(EMD)去噪方法。该方法先对带噪信号进行EMD分解,得到若干个本征模态函数(IMF)。再通过SSA对每个IMF分量进行去噪处理:把第一个IMF分量作为高频噪声,并根据它计算出剩余IMF中所含的噪声能量,从而得到剩下的每个IMF中信号所占的能量比值。然后选择合适的窗口长度,对每个IMF进行SSA变换,根据IMF中信号所占的能量比值选择合适的奇异值分解(SVD)分量重构,得到去噪后的IMF。再将所有重构得到的IMF分量以及余项相加,得到最终去噪后的信号。经过实验,对比研究了该方法与小波软阈值、EMD软阈值和EMD滤波方法的去噪效果,结果表明该方法整体优于其它方法,是一种有效的信号去噪方法。     

基于小波去噪和EMD的船舶液位信号特性分析

为提高船舶液舱液位测量精度,研究了液位测量信号的特性,提出基于小波去噪和经验模态分解(EMD)的水位信号处理新方法。用平移不变小波去噪算法对液位信号进行预处理,消除异常事件对EMD方法的影响,用EMD分解信号,按照给定的置信度去除高频固有模态(IMF)分量,提取低频IMF及趋势项进行重构,得到的无干扰成分即为液位真实信号。理论及实验研究表明,只有在有效消除异常干扰的情况下才能获得可靠的IMF分量,采用该方法提取有异常干扰的液水位信号真实趋势是有效可行的。     

基于经验模态分解和小波阈值的冲击信号去噪

冲击信号是非线性的并且容易受到噪声污染;为研究冲击信号去噪的问题,针对经验模态分解(Empirical Mode Decomposition,EMD)去噪和小波阈值去噪方法存在的不足,提出了基于EMD的小波阈值去噪方法;单纯的EMD去噪方法会在去除高频噪声的同时压制高频的有效信息;EMD与小波阈值去噪相结合,利用连续均方误差准则确定含噪较多的高频固有模态函数(Intrinsic Mode Function, IMF),对高频IMF分量进行小波阈值去噪,以分离并保留这些分量中的有效信息,同时保持低频IMF分量不变;对模拟数据和实际冲击信号进行去噪处理,结果表明,基于EMD的小波阈值去噪方法的去噪效果优于单纯的EMD去噪方法和小波阈值去噪方法。     

基于EEMD与DSS-ApEn的脑电信号消噪方法

为了在消除信号中噪声的同时尽可能保留有效信息,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)和降噪源分离(De-noising Source Separation, DSS)与近似熵(Approximate Entropy, ApEn)相结合的脑电信号消噪方法。利用EEMD分解算法将含噪脑电信号分解为若干个内蕴模态函数(Intrinsic Mode Functions, IMF)分量,滤除最高频分量后的IMF分量应用DSS分离出各独立源信号,再选择频谱近似熵最大的独立源信号作为去噪信号。仿真和真实脑电信号的消噪实验表明,与独立EEMD消噪方法以及基于EEMD与改进提升小波消噪方法相比,本文提出的方法消噪效果更好。     

基于EEMD和WT的运动想象脑电信号消噪方法

采集到的运动想象脑电信号MI EEG(Motor Imagery Electroencephalogram)通常含有大量噪声信号.为了消除噪声同时保留尽可能多的有效信号,本文提出了将集合经验模态分解EEMD(Ensemble Empirical Mode Decomposition)与改进小波阈值法相结合的消噪方法.改进小波阈值法采用了新的阈值选取规则和阈值函数.首先对信号进行EEMD分解,然后再对高频固有模态函数IMF(Intrinsic Mode Functions)进行改进小波阈值处理,最后将处理后的高频IMF分量和低频IMF分量进行重构得到消噪信号.以信噪比和均方根误差作为消噪效果的定量评价指标,将本文提出的方法与单纯使用EEMD分解消噪法、单独使用改进小波阈值消噪法、EMD与改进小波阈值法相结合消噪法进行比较,结果表明,本文提出的消噪法优于其他三种消噪法.     

基于EEMD与改进提升小波的脑电信号消噪方法

为消除混杂在脑电信号中的噪声,提出一种总体平均经验模态分解(EEMD)与改进提升小波相结合的脑电信号消噪方法。利用EEMD算法将含噪脑电信号分解为若干个内蕴模式函数(IMF)分量,通过自相关函数特性法提取出由噪声主导的高频IMF分量,并运用改进提升小波进行消噪处理,将保留的低频IMF分量与消噪后的高频IMF分量进行叠加,从而得到消噪后的脑电信号。实验结果表明,与传统提升小波消噪方法以及改进的提升小波消噪方法相比,该方法的信噪比较高,均方根误差较低。     

基于CEEMD和小波包变换的重力数据信噪分离方法

为了有效地进行海洋重力测量数据的信噪分离,本文提出了基于互补总体经验模式分解(CEEMD)和小波包变换(WPT)的重力数据信噪分离方法。该方法利用CEEMD将海洋重力测量信号分解为从高频到低频的不同固有模式函数(IMF)分量以及趋势项,为进一步提取出各IMF分量中的有用重力信号,本文采用小波包变换对各IMF分量进行小波包分解降噪,最后将从各分量提取出的有用信号与趋势项进行信号重构,实现重力数据的信噪分离。本文通过仿真数据和实测数据对该方法进行了验证,结果表明本文提出的重力数据信噪分离方法能有效的抑制噪声干扰,保留有用的重力信号,实现较高精度的重力信号提取。     

一种改进的EMD硬阈值去噪算法

为了提升基于经典小波阈值的EMD去噪算法的性能,利用高斯白噪声的统计特征提出了一种改进的硬阈值去噪算法;首先将含噪信号进行EMD分解,把第一个固有模态函数作为高频噪声直接去除并估算出其他IMF中高斯白噪声的能量,然后根据硬阈值去噪的原理,利用滤除掉的样本点包含的能量等于白噪声的能量确定出合适的阈值;该方法能根据样本点自适应地确定阈值;最后通过对含噪正弦信号和仿真心电信号的去噪实验证实了改进后的阈值使算法去噪效果有明显提升。     

预应力锚索二次张拉拐点自动识别研究

目前判断预应力锚索二次张拉中产生的拐点的主要方法是通过人工来估算拐点处的荷载和位移值。针对这个问题,通过分析二次张拉的物理特点,结合施工过程中外部因素对张拉数据的干扰特征,提出了拐点识别的数学模型和拐点识别的通用过程;提出了采用中位值平均滤波算法来过滤测量中的异常点,采用拉格朗日抛物插值算法来优化采样数据,最后通过计算得到拐点的精确数据。实验表明,通过提出的拐点识别方法可以快速定位拐点的位置,极大地提高了拐点识别的效率和准确度。     

外弹道可视化仿真研究与实现

当前对于炮弹外弹道的研究主要以数据处理分析为主,缺乏以动态实时直观的仿真方式对外弹道进行分析和处理。在介绍了外弹道数学模型,分析了各种数值仿真方法的基础上,通过构建基于OpenGL的三维视景仿真环境和基于Matlab的二、三维坐标轴,实现了基于数值仿真实时驱动的弹道可视化仿真平台,借助此平台对炮弹的飞行轨迹、实时运动姿态及落点散布进行了仿真验证和分析,得到了不同风速对炮弹飞行轨迹的影响程度。     

基于划分的自适应轨迹拐点提取压缩算法

海量的轨迹数据为管理分析和数据挖掘工作带来了巨大的挑战, 轨迹压缩技术成为解决这一问题的一种有效方案. 针对目前多数轨迹压缩算法需要人为干预设定阈值的问题, 融合特征聚类与轨迹划分的思想提出了一种自适应的轨迹拐点提取压缩算法. 算法从轨迹的全局方向特征与局部方向特征出发考虑, 依次进行了轨迹粗划分、子轨迹合并以及轨迹细划分的工作. 实验结果显示, 随着轨迹规模的增大, 与其他算法相比, 该算法基本能够在保持更高压缩率的同时产生更低的方向误差. 提出的算法具有自适应和高精度拐点识别的优势, 在其他轨迹压缩场景之下仍有着较高的参考价值.     

基于EMD-CLEAN的图像去噪方法

噪声的存在会影响对图像中有用信息的提取。针对经验模态分解(Empirical Mode Decomposition, EMD)方法噪声抑制后图像质量下降的问题,提出了一种基于EMD-CLEAN的图像去噪方法。首先利用EMD对含噪图像进行分析,将其自动分解为一系列本征模函数(Intrinsic Mode Function...     

基于多模型加权的高速弹丸目标落点预测方法研究

针对目前高速弹丸目标海上试验末段弹道外推及落点预测方法单一,模型复杂和适应性差等问题,提出一种基于多模型加权组合的弹道重构及落点计算方法.利用无迹卡尔曼滤波技术对雷达测量数据参数估计,基于多模型理论,采用非线性加权平均最优组合估计方法,将运动学和动力学建模外推弹道加权组合,并对外推弹道及落点计算精度进行了试验验证.试验...     

基于HHT的煤矿电网扰动起止时刻检测方法

针对煤矿电网电能质量扰动复杂、采用小波分析技术解决扰动暂态过程存在小波基选择的问题,提出了一种基于HHT的扰动起止时刻检测方法。该方法以电压缺口为例,在30dB和40dB噪声环境下,首先采用EMD算法对电压缺口信号进行分解,得到IMF1分量、IMF2分量、IMF3分量和剩余分量R;然后对含有高频部分的信号即原始信号、IMF1分量、IMF2分量进行Hilbert变换,得出通过瞬时幅值曲线中突变点位置可以检测扰动起止时刻的结论;通过对比原始信号、IMF1分量、IMF2分量的扰动起止时刻检测值,最后选用了误差最小的IMF1分量的瞬时幅值进行扰动起止时刻检测。实验结果表明,该方法精度高、抗噪声能力强。     

煤矿机械振动信号预测研究

根据煤矿机械振动信号高低频组成成分变化规律的差异,提出了一种基于经验模态分解(EMD)和支持向量机(SVM)的煤矿机械振动信号组合预测方法。将滚动轴承振动信号进行EMD分解,得到相对平稳的本征模态函数(IMF)分量,并将波动程度相近的IMF分量进行重构,得到高频子序列和低频子序列,采用SVM分别对高频子序列和低频子序列进行预测,将2个预测结果叠加,得到最终预测值。选取轴承实验数据对组合预测方法的有效性进行验证,结果表明该方法的均方根误差、平均绝对误差和平均绝对百分比误差均小于直接预测方法。将该组合预测方法应用于某选煤厂主井带式输送机滚动轴承状况预测,预测结果与实际情况相符。     

Model-based evaluation of clustering validation measures

A cluster operator takes a set of data points and partitions the points into clusters (subsets). As with any scientific model, the scientific content of a cluster operator lies in its ability to predict results. This ability is measured by its error rate relative to cluster formation. To estimate the error of a cluster operator, a sample of point sets is generated, the algorithm is applied to each point set and the clusters evaluated relative to the known partition according to the distributions, and then the errors are averaged over the point sets composing the sample. Many validity measures have been proposed for evaluating clustering results based on a single realization of the random-point-set process. In this paper we consider a number of proposed validity measures and we examine how well they correlate with error rates across a number of clustering algorithms and random-point-set models. Validity measures fall broadly into three classes: internal validation is based on calculating properties of the resulting clusters; relative validation is based on comparisons of partitions generated by the same algorithm with different parameters or different subsets of the data; and external validation compares the partition generated by the clustering algorithm and a given partition of the data. To quantify the degree of similarity between the validation indices and the clustering errors, we use Kendall's rank correlation between their values. Our results indicate that, overall, the performance of validity indices is highly variable. For complex models or when a clustering algorithm yields complex clusters, both the internal and relative indices fail to predict the error of the algorithm. Some external indices appear to perform well, whereas others do not. We conclude that one should not put much faith in a validity score unless there is evidence, either in terms of sufficient data for model estimation or prior model knowledge, that a validity measure is well-correlated to the error rate of the clustering algorithm.     

一种点云数据噪声点的随机滤波处理方法

目前逆向工程中广泛采用激光扫描法来获取数据，测量过程中不可避免地混有不合理的噪声点，导致重构的曲线、曲面不光滑，因此，需要去除数据中的噪声点。对激光线扫描法获取数据的噪声点处理方法进行了研究。噪声点处理方法与点云数据的排列形式有关，通过对点云数据噪声数学模型的分析，认为激光线扫描法获取数据时，噪声点的产生主要是由随机误差引起的，其特点是幅值大，在光刀扫描线上引起较大的尖峰，据此提出一种简单、快速、实用的降噪方法——随机滤波法。该方法通过比较连续点之间的相对位置，给定一个阈值，将其中位置起伏较大的点判定为噪声点并予以去除。通过实例验证该方法能满足曲线、曲面重构的要求。