语音信号中基于EMD法的情感计算

情感计算是情感语音识别的关键.经验模态分解(EMD)算法是Hilbert-Huang变换(HHT)的核心算法,采用分段幂函数插值算法求情感包络线,能达到更好的情感识别效果.利用软件MATLAB仿真了情感语音信号的经验模态分解(EMD)特性,把情感语音信号进行EMD分解后IMF做频谱变换,便能得到一个情感包络线,根据情感包络线的不同而达到情感识别的目的.     

EMD和FCM的脑电信号处理方法

基于脑电信号非平稳、复杂、信噪比低的特性,使用经验模式分解(EMD)算法对脑电信号进行分解,提取主要IMF分量的特征值,之后使用模糊C-均值(FCM)进行分类,并与现有的几种脑电分类方法做了对比研究.研究结果表明,基于2003年第二届BCI大赛脑电信号库的分类正确率达到78%,对于现有的脑电分类方法有一定的借鉴意义.     

基于EMD及非平稳性度量的趋势噪声分解方法

该文结合非平稳性度量,研究利用经验模态分解算法进行趋势噪声分解,提出基于非平稳性度量的准则来判定舍弃的本性模态函数的数目.通过数值模拟证明了该准则克服了连续均方误差准则的缺陷,在不同噪声强度和复杂趋势下,都能够达到很好的去噪效果.     

推广的（2＋1）维浅水波方程的精确解及其混沌行为

利用Riccati方程映射法和变量分离法,得到了推广的（2＋1）维浅水波系统的变量分离解（包括孤波解、周期波解和有理函数解）.根据得到的孤波解,构造出了方程的单孤子和双孤子结构,研究了孤子的混沌行为.     

西部省区经济差距的发展动态与波动机制——基于EMD方法的多尺度分析

本文采用经验模态分解(EMD)方法,对西部12省区1952-2009年经济差距的发展动态进行多尺度分析,并从三次产业发展的角度剖析经济差距波动的生成机制。研究结果表明,西部省区经济差距发展的阶段性特征十分显著:在整个样本研究期间呈现出明显的N;;型曲线特征,而上世纪70年代以来则表现为U型曲线;区域经济差距的波动分别以准周期约为60年的长期趋势、准周期约为25年的中期尺度分量和9.5年的短期尺度分量为主,近期区域经济差距呈扩大趋势。三次产业的地区不平衡发展是导致经济差距波动的重要动因。据此文章从产业驱动、区域协作和宏观调控等方面提出了促进区域经济协调发展的政策建议。     

基于信号博弈的“公司+农户”模式中农产品质量研究

针对目前食品安全事件层出不穷的现状,本文利用信号博弈模型,讨论了“公司+农户”组织模式中导致农户发生机会主义行为的影响因素。通过对基本模型的分析,发现隐瞒生产信息所需要花费的粉饰成本是影响市场出现分离均衡或混同均衡的关键因素。通过对引入抽检后的扩展模型进行分析发现,如果外围市场处罚较小,并不能覆盖低质量农产品的利润与公司检验成本之和时,那么公司进行抽检的动力不大,或者即使抽检,市场中仍旧有违禁农产品的存在。最后讨论了在“公司+农户”模式中,如何提高农产品质量的方法和措施。     

时间序列的经验模态频率分解EMFD

在经验模态分解的基础上,提出了经验模态频率分解.经验模态频率分解是正交分解,有很好的性质和频率意义.     

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.     

基于主动滑模控制的混沌系统函数投影同步

研究了一类混沌系统的函数投影同步问题.基于Lyapunov稳定性理论和主动滑模控制方法,设计了主动滑模控制器,实现混沌系统的函数投影同步.数值仿真验证了该控制器的有效性和正确性.     

基于EEMD的LS-SVM和BP神经网络混合短期负荷预测

提出了基于总体平均经验模态分解(EEMD)、最小二乘支持向量机(LSSVM)和BP神经网络的实用综合短期负荷预测方法,进行电力系统短期负荷预测.首先运用EEMD方法将非平稳的负荷序列分解,然后根据分解后各分量的特点选用最佳的核函数,利用最小二乘支持向量机分别对各分量进行预测,最后对各分量预测结果采用BP神经网络重构得到最终的预测结果.对实测数据的分析表明基于该综合方法的电力系统短期负荷预测具有较高的精度.     

混合区间多尺度分解的区间时间序列组合预测

鉴于传统预测方法一直基于“点”来衡量时间序列数据,然而现实生活中在给定的时间段内许多变量是有区间限制的,点值预测会损失波动性信息。因此,本文提出了一种基于混合区间多尺度分解的组合预测方法。首先,建立区间离散小波分解方法(IDWT)、区间经验模态分解方法(IEMD)和区间奇异普分析方法(ISSA)。其次,用本文构建的IDWT、IEMD和ISSA对区间时间序列进行多尺度分解,从而得到区间趋势序列和残差序列。然后,用霍尔特指数平滑方法(Holt's)、支持向量回归(SVR)和BP神经网络对区间趋势序列和残差序列进行组合预测得到三种分解方法下的区间时间序列预测值。最后,用BP神经网络对各预测结果进行集成得到区间时间序列最终预测值。同时,为证明模型的有效性进行了AQI空气质量的实证预测分析,结果表明,本文所提出基于混合区间多尺度分解的组合预测方法具有较高的预测精度和良好的适用性。     

基于CEEMDAN小波包的MEMS水听器信号去噪

针对MEMS水听器接收水下信号时混入的噪声,提出一种CEEMDAN和小波包的联合去噪算法.方法是利用CEEMDAN将含噪信号分解成一系列的IMF分量,IMF由高频到低频排列.由于高频噪声和低频干扰,所以要分别对高频和低频IMF进行处理.根据每层IMF的频谱分析,去掉前几层和后几层IMF分量形成一个带通滤波器,然后将剩余分量进行重构信号.最后,利用小波包对重构信号去噪得去噪信号.通过仿真实验和中北大学汾机实测实验验证了算法的有效性,并在去噪效果和性能指标上较单一CEEMDAN和小波包去噪有明显提升.     

基于MAS的智能诊断技术集成方法研究

对于复杂分布式故障诊断的特点,集成多种智能方法求解是一种有效的途径.但如何确定这些诊断方法的相对诊断能力是基于多代理技术的故障诊断系统中的一个关键问题.文章基于问题求解的粒度理论,在对设备故障域进行分解的基础上,提出了基于多代理技术的三层评估模型,不仅能对诊断专家的诊断能力进行评估,而且也能对多诊断专家的协调诊断能力进行评估.该方法简化了问题求解的难度,提高了多专家评价的精度.可广泛应用于多诊断专家代理联盟的创建和诊断结论的融合中.     

波动方程外区域问题基于自然边界归化的区域分解算法(英文)

本文以二维波动方程为例 ,研究基于自然边界归化的一种区域分解算法 .首先将控制方程对时间进行离散化 ,得到关于时间步长离散化格式 ,对每一时间步长求解一椭圆型外问题 ;然后引入两条人工边界 ,提出了 Schwarz交替算法 ,给出了算法的收敛性 ,并对圆外区域研究了压缩因子