高级搜索

基于复数据经验模态分解的噪声辅助信号分解方法

,  ,  ,  , 

downloadPDF

上一篇

下一篇

曲建岭, 王小飞, 高峰, 周玉平, 张翔宇. 2014: 基于复数据经验模态分解的噪声辅助信号分解方法, 物理学报, null(11): 110201. doi: 10.7498/aps.63.110201
引用本文: 曲建岭, 王小飞, 高峰, 周玉平, 张翔宇. 2014: 基于复数据经验模态分解的噪声辅助信号分解方法, 物理学报, null(11): 110201. doi: 10.7498/aps.63.110201
shu
Citation:
shu

基于复数据经验模态分解的噪声辅助信号分解方法

  • 海军航空工程学院青岛校区,青岛,266041

  • 海军航空工程学院,烟台,264001

  • 摘要: 集成经验模态分解(EEMD)在一定程度上减轻了经验模态分解(EMD)中的模态混叠，但集成平均会带来新的模态混叠、频谱丢失和运算量增大等问题，影响到对信号物理特征的分析与提取。因此，本文提出一种基于复数据经验模态分解(CEMD)的噪声辅助信号分解方法，在CEMD中以白噪声分解的内禀模态函数(IMF)在指定方向上的投影为基函数来辅助观测信号分解过程中的极值选取，从而减小模态混叠，同时利用噪声投影的影响在求包络质心时被消除的特性，减小EEMD因集成平均带来的相关问题。仿真结果表明，本文方法在进一步降低模态混叠效应的同时，明显提高了运算速度，并且在一定程度上减轻了频谱丢失问题。
  • 加载中
  • 加载中
计量
  • 文章访问数:  396
  • HTML全文浏览数:  105
  • PDF下载数:  0
  • 施引文献:  0
出版历程
  • 刊出日期:  2014-06-15

基于复数据经验模态分解的噪声辅助信号分解方法

  • 海军航空工程学院青岛校区,青岛,266041
  • 海军航空工程学院,烟台,264001

摘要: 集成经验模态分解(EEMD)在一定程度上减轻了经验模态分解(EMD)中的模态混叠，但集成平均会带来新的模态混叠、频谱丢失和运算量增大等问题，影响到对信号物理特征的分析与提取。因此，本文提出一种基于复数据经验模态分解(CEMD)的噪声辅助信号分解方法，在CEMD中以白噪声分解的内禀模态函数(IMF)在指定方向上的投影为基函数来辅助观测信号分解过程中的极值选取，从而减小模态混叠，同时利用噪声投影的影响在求包络质心时被消除的特性，减小EEMD因集成平均带来的相关问题。仿真结果表明，本文方法在进一步降低模态混叠效应的同时，明显提高了运算速度，并且在一定程度上减轻了频谱丢失问题。

English Abstract

    全文HTML

参考文献 (0)

目录

/

返回文章
返回