排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
为了解决振动信号经验模态分解(empirical mode decomposition, EMD)滤波去噪效果不佳的问题,提出一种自适应性正交经验模态分解(principal empirical mode decomposition, PEMD)的信号去噪方法。该算法融合了EMD分解的自适应性和主成分分析(principal component analysis,PCA)的完全正交性特点,对信号EMD分解过程中产生的模态混叠现象进行消除,得到了最佳的去噪效果。分析表明:PEMD在仿真模拟试验中相比于传统EMD算法和集总经验模态分解(ensemble empirical mode decomposition, EEMD) 算法,信噪比分别提高了1.15 dB和0.38 dB,且均方根误差最小;频域上PEMD对仿真信号频率(30 Hz)识别的灵敏度最高,30 Hz之外的噪声滤除效果最好。在爆破振动试验中,PEMD和EEMD去除噪声毛刺的效果较为理想,且PEMD在0~300 Hz的中低频振动信号保存效果最好,300 Hz以上的高频噪声滤除效果最好。 相似文献
1