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．
& t. h2 j* [4 k# n5 [; ?
/ c; U; W% ]5 l# g$ _关键词： 经验模态分解；数值微分；时间序列分析& V; v% n! c m, ]! ]* S" y
7 u, v# |+ o+ ~1 o$ p2 M
* y7 ?4 S" e) g& l; W/ G2 v2 N! }% S% b; R( }
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。1 P8 N, a1 z2 ^& L4 D; g
7 I! F& k" X/ ^' f$ R+ m) L! G0 D1 K, z& }5 }
附件下载:2 D9 U4 M. Y; c( a; R7 K N/ i
|
|
/1 
发表于 2021-3-1 11:06
收藏
淘帖
支持！
反对！