含有自适应筛选系数的广义经验模态分解方法

经验模态分解(EMD)是针对非线性和非平稳数据的有效分析方法,但是原始算法有多余分量、分量之间不完全正交等缺点.本文引入筛选系数λ将原始EMD算法推广为广义EMD算法,并且使用最小化正交条件来选取最优筛选系数.模拟数据和实际数据的分析结果显示,相比于原始EMD算法,该算法有效地减少了多余分量,更好地分解出了时间序列的趋势成分,而且提高了IMF成分序列之间的正交性.由于筛选系数是数据本身决定的,因此该算法比原始算法有更强的自适应性.     

非线性多尺度建模及其应用

针对非线性时间序列数据建模问题,首先对数据进行经验模态分解(Empirical Mode Decomposition,EMD),得到一系列反映序列演化过程的本征模态函数(Intrinsic mode function,IMF),然后对IMF进行Hilbert变换,利用各分量的Hilbert变换的振幅和频率建立非线性多尺度数学模型.以黄河某水质检测站溶解氧含量为例,应用EMD分解和Hilbert变换的结果,建立两个多尺度的数学模型.经过检验,模型的拟合精度、显著性和残差均符合要求.模型模拟结果中提取溶解氧多尺度信息,并且应用该模型进行预报,预报的相对误差小在0.08%~12.8%之间.     

小波和EMD的滤波特性在轴承故障诊断中的比较

通过仿真实验将小波变换和经验模态分解(EMD)方法分解信号的能力进行了比较,并将这种滤波特性应用于旋转机械的故障诊断中,结合包络谱分析,比较了两者对于滚动轴承内圈故障的诊断效果.仿真及轴承实验结果表明EMD方法在滤波的自适应性、分解结果的准确性以及诊断效果等方面均具有优势,更重要的是它分离出的主要分量物理意义明确,反映了信号的真实内涵.     

基于不同经验模态分解的小波软阈值ECG去噪研究

针对ECG信号的非线性和非平稳性,利用不同经验模态分解的小波软阈值方法对其进行降噪处理.根据希尔伯特-黄(Hilbert-Huang)变换提出的一系列的EMD算法,有EMD、EEMD、CEEMD等.首先,将含高斯白噪声的ECG信号分别进行EMD、EEMD、CEEMD分解,所得到的固有模态函数(IMF)分量是从高频到低频排列的,分别舍去前几层含噪IMF'进行重构去噪.由于舍去的IMF分量中含有少部分信号的细节信息,然后利用小波软阈值对前几层含噪IMF提取细节信息得到新的分量,再将剩余分量和新的分量重构去噪后的ECG信号.利用去噪信号图和不同性能指标验证了不同方法的有效性,得出了基于CEEMD的小波软阈值ECG降噪效果最佳.最后,用上述方法对MIT-BIH心电噪声库信号进行去噪处理,其结果与仿真实验相吻合.     

基于EMD方法的混沌信号中周期分量的提取

提出一种从Duffing振子产生的混沌信号中提取谐波分量的方法．依据任何信号由不同的固有简单振动模态组成的概念,利用经验模式分解（EMD）方法,将混沌信号分离为不同的内在模态函数(IMF),并在特定参数下从中分解出单一频率成分的谐波信号,从而成功地将混沌信号和谐波分量分离．仿真实验都表明该方法非常有效．     

平面几何模型的EMD分解算法及其应用

经验模态分解(Empirical mode decomposition,简称EMD)算法是一种处理非线性非平稳信号的时频分析方法.该方法可以自适应地将输入信号分解成若干层本征模函数(Intrinsic mode function,简称IMF)和一层余项函数,通过对IMF的特定操作可以实现信号的滤波和去噪等功能.经典的EMD算法主要针对标量形式的函数信号,对于平面几何图形,EMD则按每一个坐标分量分别处理,其效果往往较差.文章提出一种向量形式的平面几何模型EMD算法,该算法将一个平面几何模型分解成若干层偏置向量和一个残差模型,其中偏置向量表示几何体不同尺度的特征,残差模型表示输入模型的大致形状.通过在极值点的定义中施加特征尺度的限制从而保证每次分解只分离出特定尺度的特征.实验表明,该方法可以有效地实现平面几何模型的分解,并应用在去噪、特征编辑以及特征迁移的领域.通过与经典方法以及标量函数信号EMD算法的比较,文章方法的有效性得到验证.     

基于在线HHT和SVM的汽油机轻微漏气故障识别方法

针对汽油机轻微漏气故障会被闭环反馈控制所掩盖,提出了一种基于在线希尔伯特变换(Hilbert-Huang Transform,HHT)和支持向量机(Support vector machine,SVM)的两阶段微小故障识别方法(Online HHT-SVM,OHS).第一阶段在嵌入式两滑动时间窗内通过HHT对发动机空燃比数据流进行在线时频分析,以实时获取空燃比发生异常的时刻;第二阶段通过SVM对异常时刻的数据流故障模式进行离线识别.根据氧传感器信号特征,对经验模态分解(Empirical mode decomposition,EMD)算法进行了改进,并从理论上进行了证明.基于两款发动机的实际运行数据验证了该方法的有效性.     

EMD-SVM在南京市月平均气温预测中的应用

南京市月平均气温具有非平稳性、噪声大、序列宽频等特征.为了提高温预测精度,本文提出一种经验模态分解(EMD)和支持向量机(SVM)回归相组合的预测模型(EMD-SVM).首先应用EMD分解算法把南京市月平均气温分解成不同尺度的基本模态分量(IMF),再运用支持向量机回归模型对每个IMF预测,最后将预测结果重构得到南京市月平均气温预测值.结果表明:EMD-SVM模型预测与单一支持向量机回归模型预测相比,平均预测精度提高0.59度,是一种有效的预测气温的模型.     

基于EMD和PCA的暂态电能质量消噪

针对电能质量扰动的消噪问题,提出一种基于经验模态分解(EMD)和主成分分析(PCA)的消噪方法.方法先用EMD将信号分解为一组内蕴模态函数(IMF),对第一层IMF进行细节信息提取,然后对第二层及其后面的IMF进行PCA变换,根据噪声能量选择合适的主成分分量重构,去除各层IMF中的噪声.分别用电压聚降、电压中断、暂态脉冲、谐波及其组合进行数字仿真,和SureShrink小波阈值法、BayesShrink小波阈值法去噪结果比较,所用的方法去噪效果优于SureShrink小波阈值法、BayesShrink小波阈值法去噪结果,尤其对于电压暂降、电压中断、电压聚升这几个最重要的暂态电能质量问题消噪效果更为明显,结果证实了其有效性.     

基于张量积B样条的几何模型EMD算法及其应用

经验模态分解(empirical mode decomposition,简称EMD)算法是一种处理非线性非平稳信号的时频分析方法.文章针对拓扑同胚于圆盘的开网格模型提出几何模型上的EMD算法,并应用于网格去噪以及特征编辑.首先,借助曲面上离散高斯曲率提取模型的极值点,随后对模型进行平面参数化,利用均匀节点的三次张量积B样条计算极大和极小包络曲面,最后将平均包络曲面离散成网格模型作为分解一次的残差模型,并将原模型与残差模型的差值向量记为当前分解的偏置向量,迭代地处理残差模型得到模型各个层次的偏置向量以及最终表示原模型基本形状的残差模型.通过对偏置向量的处理与重构,实现算法在网格去噪以及特征编辑的应用.实验结果表明,文章算法可以有效地实现网格模型的多尺度分解,并在网格去噪以及特征编辑方面取得了较好的效果.