TA的每日心情 | 慵懒
2020-8-28 15:16 |
|---|
签到天数: 3 天 [LV.2]偶尔看看I
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要： 为了改善经验模态分解的分离性能，提出一种基于信号高阶微分的分解算法．本文首先讨论了经验模 态实现模态分离的必要条件，并证明对输入信号进行偶数阶数值微分可以提高模态分离性能．然后在此基础上提出一 种以偶数阶微分的过零点为特征的均值计算方法．最后对仿真信号的分解进行了实验研究．结果表明，本文方法可以 改善分离性能，性能提高的程度与理论分析结果符合；与经验模态分解相比，本文方法具有更高的分解精度．
5 _5 c$ N5 j$ f+ }& S6 T* n: J$ V6 n
关键词： 经验模态分解；数值微分；时间序列分析; V6 _! _2 w* Y' X
8 X+ G5 W5 {" N5 t- J: f2 Z7 b. ^. A
o' { i! A$ p. a3 Z/ z2 G
a) n, X, U; e" P) ~$ Z
经验模态分解是美国科学院院士 Ｈｕａｎｇ［１］提出的信号分解方法．ＥＭＤ 通过一种被称为筛分的方法，将多分量输入信号分解成 多个本征模态函数．筛分的 目的是不断地将低频分量从信号中分离，最终得到关于 时间轴对称的 ＩＭＦ．与其他方法相比，ＥＭＤ具有自适应、 后验性等特点，适用于平稳信号和非平稳信号．这使该 方法一经提出便在各个领域得到了广泛的应用。
$ d2 o) U* H/ s. {& N1 _' x, f7 u* D
# B$ [0 J$ P3 T( u( @) @( y8 s: s# w' C: A; x2 G
附件下载:: o( F/ ~/ V& p8 h2 H9 K6 r0 |$ K7 E
|
|
/1 
发表于 2021-3-1 11:06
收藏
淘帖
支持！
反对！