基于复数据经验模态分解的噪声辅助信号分解方法

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.     

噪声模态单元预判的经验模态分解脉冲星信号消噪

为了改善脉冲星辐射脉冲信号的消噪效果, 提出了一种基于噪声模态单元预判的经验模态分解(EMD) 消噪声方法. 该方法首先利用EMD将含噪辐射脉冲信号分解为一组内蕴模态函数(IMF), 根据IMF系数的统计特性采用局部均方误差准则进行噪声模态单元预判, 并将噪声模态单元置零; 然后对噪声模态单元预判处理后的IMF以模态单元为基本单位进行最优比例萎缩消噪, 从而达到抑制噪声、保留信号的目的. 实验结果表明: 与Sure Shrink小波阈值法、Bayes Shrink小波阈值法和EMD模态单元比例萎缩法相比, 基于噪声模态单元预判的EMD消噪方法可以更有效地去除脉冲辐射信号中的噪声, 同时更好地保留信号突变处的细节信息特征, 在信噪比、 均方误差、峰值相对误差、峰位误差和相位误差等方面都有一定程度的改善. 关键词： 脉冲星信号消噪 经验模态分解 噪声模态单元预判 局部均方误差     

基于EMD的拉曼光谱去噪方法研究

经验模态分解(EMD)方法是一个以信号极值特征尺度为度量的时空滤波过程,它充分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有较大的优势。文章在介绍EMD分解方法的基础上,结合EMD的多尺度滤波特性,提出了一种新的拉曼光谱去噪方法——EMD阈值去噪法。该方法首先对含噪的拉曼光谱信号做EMD分解,得到各阶本征模态函数(IMF),然后对高频的IMF分量用阈值法进行处理,把经过阈值处理后的高频IMF分量与低频IMF分量叠加得到重构的信号,即去噪信号。通过处理对二甲苯的拉曼光谱信号,分析了在不同噪声水平上不同去噪方法的处理效果。实验结果表明EMD阈值去噪法有效地去除了噪声,较好地保留了光谱的细节信息,与小波阈值去噪方法相比较具有自适应的优势,在拉曼光谱去噪中有很好的应用前景。     

脉冲星信号的经验模态分解模态单元比例萎缩消噪算法

针对脉冲星信号的消噪问题, 提出了一种基于模态单元比例萎缩的经验模态分解(EMD)消噪方法. 利用经验模态分解将含噪脉冲星信号分解为一组内蕴模态函数(IMF), 将IMF中两个过零点间的部分定义为模态单元, 以模态单元为基本单位构造最优比例萎缩因子, 对IMF中的每个模态单元进行比例萎缩去噪, 进而建立基于模态单元比例萎缩的脉冲星信号滤波模型.对含噪脉冲星信号进行了消噪实验分析, 实验结果表明, 与小波硬阈值消噪法、比例萎缩小波消噪法和基于模态单元阈值的EMD消噪法相比, 该方法可以更有效地去除脉冲星信号中的噪声, 同时更好地保留了原信号中的有用细节信息. 关键词： 经验模态分解 脉冲星信号 模态单元比例萎缩 消噪     

EEMD自适应去噪在拉曼光谱中的应用

二代小波是公认较好的降噪手段,但是降噪效果依赖于基函数、分解层数和阈值等参数设置。经验模态分解(empirical mode decomposition, EMD)无需参数设定,按照频率特性将信号分解成本征模函数(intrinsic mode function, IMF),对IMF滤波,实现了信号自适应去噪。拉曼光谱中信号和噪声交叠集中在极高频段,EMD产生模态混叠问题,影响去噪效果。应用总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)拉曼光谱克服了模态混叠,有效区分出高频信号和噪声,获得了与小波函数相似去噪效果。文中首先对一段非线性非平稳豆油脂拉曼光谱EMD分解,可见模态混叠,EEMD分解出清晰模态的特征分量。然后分别用快速傅里叶变换(fast Fourier transform,FFT)、小波变换(Wavelet)、EMD和EEMD处理含噪光谱,信噪比、均方根误差、相关系数三个方面指标表明FFT高频去噪效果最差,其次是EMD,恰当的Wavelet同EEMD效果相当,EEMD的优势是降噪过程的自适应。最后提出光谱时频分析方法和IMF噪声属性判别准则研究趋势。     

EMD算法在低温超导瞬变电磁噪声抑制中的应用

瞬变电磁信号具有较宽的频谱,为使得超导瞬变电磁信号的接收不产生失真,要求接收信号的超导传感器具有足够高的带宽(100kHz以上),而接收高带宽信号会导致信号的噪声峰峰值变大,传统的滤波(模拟、数字)方法易造成衰减曲线畸变.基于数据驱动的经验模态分解(Empirical Mode Decomposition,EMD)算法能够根据信号本身特性对其进行信号分解和分量选择,具有自适应和不产生波形畸变的特点.本文采用EMD算法分别对数值模拟和野外实测的超导瞬变电磁信号进行EMD滤波处理和分析,结果表明,EMD可以显著压制瞬变电磁信号衰减曲线中的宽频带噪声且波形无畸变.经过EMD滤波的超导瞬变电磁与原始信号相比,信号衰减时间显著延长(从5ms延长至50ms),表明EMD算法能够极大提高瞬变电磁方法对地下深部信息的探测能力.     

基于经验模态分解的高光谱遥感数据去噪方法

经验模态分解(EMD)是一种新的时频分析方法,经EMD分解后的各个固有模态函数(IMF)突出了原始信号的局部特征,从而可以区分噪声和有用信号。基于此,结合高光谱遥感数据的光谱变化特征,提出了一种基于经验模态分解的高光谱遥感数据去噪方法。通过对理论数据的实验表明,数据中的噪声无论是高斯分布还是均匀分布,数据经EMD分解后,噪声都主要集中在前几个特定的IMF,对相应的IMF进行滤波处理后并与其他IMF分量进行重构就可得到去噪信号,与小波去噪结果相比较,这种方法效果更好。最后把该去噪方法应用于野外实测的油膜高光谱数据去噪,实验结果表明,该方法能准确、有效地去除高光谱遥感数据的噪声。     

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,本文针对经验模态分解(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。本文将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。     

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。     

利用经验模态分解的高频水声信号滤波方法*

研究了一种高频水声信号的滤波问题,提出了一种改进的经验模态分解加小波阈值滤波方法。首先对信号进行带通滤波处理,再进行经验模态分解,将分解得到的各个模态转换为频域信号,采用小波软阈值方法对这些频域信号进行滤波,最后对信号进行重构,并转换为时域信号。经数值仿真与试验数据验证表明此方法是可行有效的,与原基于经验模态分解的小波阈值滤波方法相比,本方法滤波效果较好:对不同输入信噪比的仿真信号进行滤波后,本方法的输出信噪比最大提高17.41 d B,滤波后所得信号与加噪前纯信号的相关系数最大提高0.90;对实验数据进行滤波后,不同时间段信号的相关系数最大提高0.62。     

基于LCEEMD的低信噪比拉曼光谱自适应去噪方法研究

在生物体拉曼光谱快速采集或低功率采集过程中,往往会获得低信噪比拉曼光谱。针对低信噪比光谱数据,提出应用补充总体经验模态方法(CEEMD)分解拉曼光谱,并且依据特征模态分量的归一化排列熵值(NPE)按比例扣除噪声成分的方法,称为局部补充总体均值经验模分解方法(LCEEMD)。LCEEMD方法不仅解决了经验模态(EMD)分解中高频信号与噪声的模态混叠问题,还有效降低了总体经验模态分解法(EEMD)中的残留噪声。仿真数据实验显示,LCEEMD方法在处理10db信噪比模拟光谱时获得了39.615 0 db信噪比,0.001 17标准差和0.999 9相关系数。在人体皮肤拉曼光谱试验中,LCEEMD方法滤波后数据准确呈现出角质层脂质酰胺I带激发拉曼强谱峰以及甘油三酸酯中(CO)酯微弱谱峰。在水稻叶片可溶性糖定量预测模型中,LCEEMD方法取得了0.871 7预测相关系数和0.912 0预测标准误差,优于EMD和EEMD软阈值去噪(0.511 4,1.647 8和0.638 2,1.508 8)。LCEEMD方法实施过程中,根据去噪性能指标反馈调整归一化排列熵阈值,直至获得最佳去噪效果,滤波过程无需参数设置,可以自适应实现。     

趋势项调制的小波-经验模态分解联合方法用于大气相干长度廓线去噪

差分光柱像运动激光雷达的信号噪声直接影响大气湍流强度廓线的反演精度,采用一种有效的去噪方法能够提升雷达探测性能。为了减弱小波-经验模态分解(EMD)联合降噪方法对小波的依赖性,提出先利用信号的趋势项对小波降噪后的信号进行自适应调制,再利用调制后的信号进行EMD去噪,即小波-趋势项-EMD方法,趋势项的提取仍采用EMD方法。为了保证调制的有效性,提出适用于大气相干长度(r0)廓线的调制判定准则,并采用去趋势波动分析方法自适应识别EMD降噪的阈值。为了论证所提方法的有效性,将该方法与小波、EMD、集合经验模态分解(EEMD)、小波-EMD 4种去噪方法进行对比。数值仿真和实验结果表明,在不同噪声强度下,5种方法均可提高r0廓线的信噪比和反演精度。两种联合方法优于单独方法,小波法优于EMD和EEMD方法,小波-趋势项-EMD方法进一步提高了小波-EMD方法的去噪能力,为小波-EMD联合去噪方法的改进提供了新思路。     

SINS初始对准中光纤陀螺EMD滤波

为了实现低成本SINS初始对准,降低对准过程复杂程度,提高系统对准精度,缩短对准时间,本文引入了EMD滤波技术。首先,采集IMU输出信号,根据EMD算法将信号分解为IMF簇,按照CMSE标准对信号进行重构,完成信号滤波处理;接着,按照AR模型对经EMD滤波前后的数据噪声进行建模;然后,分别利用原始信号和EMD降噪后信号进行SINS姿态粗对准;最后,根据IMU模型和SINS误差模型,采用零速对准方式,完成SINS精对准。实验结果表明:经EMD降噪后的信号粗对准精度为1.3°,精对准精度为0.87 mrad,精对准收敛时间为200 s。     

CEEMDAN联合小波阈值算法在水下激光雷达中抑制散射杂波的应用

水下激光雷达回波信号中往往含有大量散射噪声.为了能够有效抑制散射噪声,提高水下激光雷达测距精度,提出了基于自适应完备噪声经验模态分解(CEEMDAN)与小波阈值相结合的去噪新方法.首先通过相关系数法对自适应完备噪声经验模态分解得到的本征模态函数(IMF)进行筛选;然后对筛选后的本征模态函数进行小波阈值去噪,进一步去除本征模态函数中的噪声成分;最后将去噪后的本征模态函数进行信号重构得到去噪后信号.将该方法应用到不同衰减系数水体的强度调制连续光水下测距实验,使用白色聚氯乙烯(PVC)反射板为探测目标,在3.75个衰减长度时,直接采用相关极值确定延时,测距误差达到19.2 cm;应用该方法处理后,测距误差减小到6.2 cm,有效提高测距精度.     

激光雷达信号的可变间隔阈值经验模式分解去噪法

针对采用经验模式分解直接阈值(EMD-DT)和经验模式分解间隔阈值(EMD-IT)在激光雷达回波信号的去噪应用中会产生的模态混叠现象,采用一种可变间隔阈值的经验模式分解(EMD-SIT)的去噪方法。首先,对信号进行经验模式分解。然后,采用过零率方法将分解出的含有噪声的固有模态函数分离。最后,应用过零点阈值,设立一个新的可变阈值,将EMD-IT和EMD-DT有效融合对信号进行去噪。通过与多种阈值的仿真对比以及激光雷达的回波信号去噪实验,结果表明该方法可以有效地去除噪声,抑制模态混叠,较EMD-IT和EMD-DT更具有优越性,因此有着很好的应用前景。     

二次谐波的变分模态分解和小波阈值函数降噪

针对利用可调谐半导体激光器吸收光谱学(TDLAS)技术测量气体浓度过程中二次谐波谱线存在的外界噪声干扰问题,提出一种基于变分模态分解和小波阈值函数复合算法的二次谐波降噪方法。首先对二次谐波含噪信号进行分解,得到有用固有模态函数(IMF)并进行重构,再对重构信号进行小波阈值函数降噪处理。讨论了变分模态分解中最佳平衡参数的选取,得出最佳平衡参数与含噪信号中噪声成正比的结论。通过改变小波变换的阈值函数改变高频小波系数,以更好地抑制噪声。对实际测量曲线的降噪结果表明,所提出的降噪方法可以在信噪比较低的情况下有效抑制噪声,提取有用的二次谐波信号。     

一种基于经验模态分解的永久散射体探测方法

基于经验模态分解(EMD),提出了一种改进的永久散射体(PS)探测方法。对干涉图进行多尺度分解,基于梯度的自适应滤波对分解的本征模函数中的噪声进行低信噪比区域强滤波和高信噪比区域弱滤波,估算滤波后各PS候选(PSC)点的噪声相位。基于各PSC点的幅度和相位稳定性,对选取的PSC点的相位信息进行分析,判断其作为PS点的概率,进而选取可靠的PS点。实验结果表明:与传统的PS点选取方法相比,所提方法避免了探测过程中PS点的误判和漏判,准确性更高。     

基于经验模态分解消噪的光纤光栅解调系统

为了提高光纤Bragg光栅解调系统的解调准确度,提出利用经验模态分解对信号进行滤波分析和降噪处理的方法.该方法将经验模态分解得到的固有模态函数,分为信号分量起主导作用模态与噪音分量起主导作用模态,并利用反映信号主要结构的模态对信号进行重构实现去噪.实验表明,解调系统输出信号能够识别出中心波长的位置,精确得到Bragg波长的漂移量,输出谱失真小、信噪比高.对温度实验数据进行曲线拟合,拟合线性度为0.998,提高了系统的解调准确度.     

基于CEEMD特征提取的无绝缘轨道电路补偿电容故障诊断

本文利用电路网络理论和传输线理论构建ZPW-2000A轨道电路传输模型,仿真并分析了补偿电容故障对轨面电压的影响,提出基于互补的总体经验模式分解(CEEMD)特征提取的补偿电容故障诊断方法。实验结果表明,相比于传统经验模式分解(EMD)和总体经验模式分解(EEMD),基于CEEMD特征提取的补偿电容故障诊断方法可以有效地克服EMD方法引起的模态混叠和能量泄露现象,减少EEMD方法在信号重构过程中的白噪声残留,为补偿电容的故障诊断提供了一种快速准确的方法,为保证信号传输质量提供了参考依据。     

光纤陀螺随机噪声滤波分析

高精度光电稳定跟踪平台基准轴抖动或者缓慢漂移通常使得光纤陀螺(FOG)的输出信号中含有随机噪声。针对这一特点,通过对工程中实际采用的光纤陀螺实测数据进行时间序列分析,运用递推最小二乘法建立了噪声模型,并对其进行自适应卡尔曼(Kalman)滤波处理。通过Allan方差法分析结果表明,使用只对观测噪声协方差R阵进行自适应的Kalman算法滤波效果明显优于普通Kalman算法,且加入的计算量小,实时性能优于Saga-Huga自适应Kalman算法,对提高光电稳定跟踪平台性能有一定的实用价值。