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.     

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。     

部分线性模型的模态正交经验似然推断

本文考虑部分线性模型的有效经验似然统计推断问题.通过结合模态回归和正交投影技术,提出了一种模态经验似然统计推断过程.证明了提出的经验似然比函数渐近服从中心卡方分布,进而构造了模型参数的置信区间.所提出的估计方法可以对模型的参数分量和非参数分量分别估计,而互不影响,具有较好的稳健性和有效性.     

EEMD、CEEMD算法与SVM在SST时间序列研究中的应用

海洋表面温度(SST)具有非线性、非平稳等特征,给处理和预测带来了很大的困难.将集合经验模态分解(EEMD)、改进的集合经验模态分解(CEEMD)与支持向量机(SVM)方法相结合,实现了对东北太平洋月平均海温距平序列(SSTA)的预测:首先应用EEMD或CEEMD方法将SST数据分解为多个本征模态函数(IMFs),然后应用SVM算法对各IMFs进行拟合、预测,最后对各IMFs预测结果叠加重构得到预测结果.EEMD-SVM和CEEMD-SVM数值模拟结果显示,预测最大误差小于0.25℃,并且CEEMD-SVM预测效果更好,为SST实际预测提供了参考.     

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.     

基于SSA的金融时间序列自适应分解预测

提出了分解预测的思想,通过SSA将序列分解成低频与高频两部分,分别采用最小均方(LMS)自适应自回归移动平均(ARIMA)与LMS自适应自回归(AR)模型进行预测,然后将两者叠加便可得原始序列预测值.同时,为了更好地捕捉序列局部突变,缩减预测延迟,提高预测精度,对EaLMS算法(基于误差调整的LMS算法)参数进行修正并...     

关于正交因子分解的一些结果

设G是一个图,F={F_1,F_2,…,F_d}是G的一个因子分解,H是C的一个子图,若H有d条边且恰好与每个F_i有一条公共边,则称H与F是正交的。本文研究了与图的K-因子分解正交的对集及[a,b]-子图,从而证明了关于因子分解问题的两个猜想在某些情况下成立,并提出了可进一步研究的问题。     

SP.n矩阵的分解

J.J．Johnson在1974年给出了P．n．P矩阵的谱性质具有一负特征值的充分条件及P．n矩阵的两个增性质．许多国内同仁也于近几年从分析偏负阵的Schur补入手，从特殊到一般，得到了一系列偏负阵的判定方法．本文在偏负阵判定方法的基础上，专门对偏负阵的分解进行论述，得出了对称偏负阵能进行三角分解和正交分解的充要条件．     

基于EMD-GRU的高速公路行程时间组合预测模型

考虑到高速公路行程时间影响因素繁多且行程时间序列非线性、非平稳特征显著,设计了基于经验模态分解和GRU神经网络的高速公路行程时间组合预测模型.首先,利用高速公路收费数据中车辆进出高速公路的时间信息获取路段行程时间序列;然后,利用经验模态分解算法,将复杂的行程时间序列分解为若干时间尺度不同、相对平稳的本征模态函数分量和残...     

图的因子和因子分解的若干进展

本文综述了图的的因子和因子分解近年来的一些新结果。主要有图的因子与各种参数之间的关系,图有某种因子的一些充分必要条件,特别是图有ｋ－因子的一些充分条件以及关于图的因子分解和正交因子分解的一些新结果。文中提出了一些新的问题和猜想。     

正弦波经验模式分解中极点拟合的抛物线插值法

本文针对正弦渡用经验模式分解（EMD）进行分析时存在的问题,从实验上结出了采样率和信号间相互作用对END的影响。为了提高对极值点采样的准确性,本文提出了利用抛物线插值来拟舍极值点的方法,使结果得到明显的改善。本文还对信号间相互作用的问题进行了讨论。     

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.     

具有时滞的单模激光系统的Hopf分支的频域分析

运用频域法研究了一类具有时滞的单模激光系统,选择时滞τ作为参数,当τ通过某个临界值时,Hopf分支产生,即从平衡点处分支出一簇周期解,最后,利用数值模拟证实理论分析结果的正确性.     

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．     

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.     

高频金融时间序列的模型化研究进展回顾

从高频和超高频金融数据的基本统计特征出发,回顾了(超)高频金融时间序列模型化研究的发展历程及相关特征,并详细介绍了高频数据模型研究中针对久期序列建立ACD模型族的研究与进展.对ACD模型族,介绍了两种主要类型:强ACD模型和弱ACD模型.最后展望了高频金融时间序列中ACD模型的研究.