经验模式分解(EMD)及其应用

 经验模式分解(Empirical Mode Decomposition,EMD)是一种数据驱动的自适应非线性时变信号分解方法,可以把数据分解成具有物理意义的少数几个模式函数分量.本文总结归纳了一维EMD、二维EMD方面的主要工作,比较了不同方法存在的优点与不足,指出了EMD研究存在的难题和瓶颈,并给出了EMD研究与应用的发展趋势.     

基于窗口经验模式分解的医学图像增强

提出了基于窗口经验模式分解(WEMD)的医学图像增强算法。用WEMD算法分解医学图像,能够自适应地提取图像的内涵模式函数(IMF)分量。利用IMF分量图像的直方图服从正态分布的特性,结合直方图匹配算法的增强能力处理前几个IMF分量,经处理的IMF分量中的高频细节信息得到增强。将处理后的IMF分量和剩余分量重构,获取增强的医学图像。实验表明,WEMD算法增强效果优于目前的图像增强算法。     

基于限邻域经验模式分解的多波段图像融合

根据不同波段图像信息互补性,提出基于限邻域经验模式分解(NLEMD)的多波段图像融合新算法.将待融合图像进行NLEMD分解,利用其自适应特性及高频细节信息的强获取能力,对不同图像的内蕴模式函数分量和剩余量中的像素按照局部最优原则进行选取,将融合后的内蕴模式函数分量和剩余量反向重构获取融合图像.实验证明该算法具有更强的细节获取能力,融合效果优于传统的基于小波分解的融合算法.     

基于经验模式分解的图像增强研究

图像增强是图像处理的一个重要方面。提出了基于经验模式分解的图像增强方法:对图像进行经验模式分解(EMD),得到多个不同分辨率的内蕴模式函数图层和一个趋势图层,通过调节内蕴模式函数图层和(或)趋势图层增强图像。实验结果表明,基于经验模式分解的图像增强方法能够增强图像的细节和亮度,是一种有效的图像增强方法。     

基于EMD的语音功率谱分析

提出了一种基于EMD的功率谱分析法,即先用经验模态分解方法(EMD)将语音信号分解成若干个固有模态函数IMF分量,而后对包含主要信息的IMF分量利用现代参数模型法估计出它们各自的功率谱。文中对不同情感状态下语音数据的分析结果表明,EMD方法能有效地应用于非平稳语音信号的功率谱分析中,可更细致的体现语音信号内在特征。     

EMD算法发展及应用综述

经验模态分解算法在各个领域都有广泛的应用,在工业领域中,对机械设备故障的机理研究,有助于监测机械运行状态,在医学领域中,准确的检测出患者与正常人数据的差异有助于疾病的分析和诊断,由于经验模态分解算法在非线性非平稳信号分析中具有显著优势,多年来深受学者的关注。文章总结了经验模态分解算法近年来的发展改进及应用。     

基于经验模式分解的数字水印

提出了一种基于经验模式分解的灰度图像水印算法.目前比较流行的水印算法是基于小波变换,但由于小波变换本身的特点,决定了提取后的水印存在噪声,使其水印边缘不清晰.该文章运用经验模式分解算法嵌入水印,能够保证提取出的水印和被嵌入的水印一样清晰.     

基于EMD的声发射管道泄漏检测研究

针对管道泄漏声发射检测信号的非平稳特征,该文提出了基于经验模态分解(EMD)的声发射信号分析方法。该信号分析法将管道泄漏产生的复杂声发射信号分解成有限个固有模态信号(IMF),使Hilbert-Huang变换(HHT)的瞬时频率具有了实际物理意义,提高了管道泄漏检测的定位精度。结果表明,HHT法能准确描述声发射波形信号的非线性、非平稳时变特征,是声发射信号时频分析的有效工具。     

一种基于ITD算法的直扩信号检测算法

固有时间尺度分解(ITD)算法是一种局域波分解算法,该文对直接序列扩频信号ITD分解,提出了一种通过频域粗搜索和细搜索分别检测直扩信号码片速率和载波频率的快速算法。该算法以瞬时幅度作为分析参量,先设置截止频率对信号低通滤波处理,并通过引入伴随频率达到抑制噪声的目的,利用了固有时间尺度分解算法时频分辨率高,运算速度快的优势。仿真结果显示在-15dB信噪比下能够有效地检测出码片速率和载波频率。     

基于EMD和改进双门限法的语音端点检测

语音端点检测的准确与否直接影响到语音识别系统的计算复杂度和识别能力,在基于短时能量和过零率的端点检测算法中,能量计算方法不尽合理而且在低信噪比下检测效果大大降低。对此提出了一种基于经验模式分解和改进双门限法的语音端点检测算法,仿真结果表明在低信噪比情况下本文算法有更好的端点检测能力,显示了算法的优越性。     

基于区域的二维经验模式分解的图像融合算法

为改进红外与微光/可见光的图像融合效果,在对二维经验模式分解及图像区域分割研究的基础上,提出了一种基于区域的二维经验模式分解的图像融合算法。利用此算法对红外图像与微光/可见光图像进行融合,先将源图像分别进行二维经验模式分解,再对残余图像进行加权融合,而后用模糊C均值聚类的方法对融合后的残余图像进行区域分割,将此分割结果映射到各层本征模式函数图像上,随后运用一定的区域融合准则将各层图像融合,最后再重构出融合图像。对仿真实验结果使用客观评价的方法进行评价,评价结果表明,该算法能够提升融合图像中的信息量以及凸显图像细节,较其它传统算法具有一定的优势。     

基于经验模态分解的宽带阵列DBF研究

已有研究对宽带阵列信号的子带分解处理中子带划分是固定的,各子带内信号数分布不均衡。该文研究了子带自适应划分的模态域宽带自适应阵列算法,提出将经验模态分解(EMD)融合于线性约束最小方差(LCMV)算法中,EMD把多分量信号自适应地分解成多阶内蕴模态函数(IMF),突出了信号的局部瞬间特征,两者结合既满足了LCMV的窄带信号要求又充分发挥了EMD自适应的特点,解决了阵元数目受到严格限制时,宽带阵列处理自由度不足、抗干扰性能下降的问题,在强干扰环境和各信号强度相差较大时也能有效检测出较弱信号。与基于FFT的子带分割相比,无需预先划分模态函数的频段,阵元数目受限时增加了处理自由度。仿真表明3阵元强干扰条件下改善增益11dB。     

基于方向经验模型分解的图像修复方法

本文提出了一种基于方向经验模型分解的图像修复方法, 通过方向经验模型将待修复图像进行分解,然后在各级分解图像上根据待修复区域边界上像素点的梯度特征计算填充优先级, 并利用方向经验模型分解得到的频率特征值结合纹理合成的方法完成该级图像的修复, 同时采用相关搜索来完成各级图像的相应修复, 最后将其进行合并, 得到最终的图像修复结果． 实验结果表明, 该算法能够修复较大尺度缺损区域中的结构和纹理信息．     

基于双域分解的图像增强算法

为解决图像增强中对比度提高与噪声抑制的矛盾,本文提出了一种基于双域分解的图像增强算法,同步实现图像对比度提高与噪声抑制.文中详述了空域分解、分层图像空域增强与变换域降噪、分层图像合成三个主要环节的原理、方法.首先,高斯滤波器将图像分解为基础层和细节层,实现对比度提高与噪声抑制的解耦合;其次,带校正功能的单尺度Retinex和硬阈值收缩的非下采样剪切波降噪算法同步实现基础层的增强和细节层的降噪;最后,分层图像合成、灰度数值延展和微分算子强化,实现合成图像的灰度延展与细节加强,确保增强图像的颜色均匀、细节突出.实验表明,本文算法提高图像对比度和抑制噪声的性能优于其他九种算法.     

基于经验模态分解的模态域MVDR方法研究

 矢量阵MVDR波束形成可有效地实现信号的空间谱估计,但它仅适用于窄带信号,当各目标强度相差较大时,难以实现对弱目标的有效检测.经验模态分解具有突出信号局瞬特征的特点,可将多分量信号分解成多阶固有模态函数.结合固有模态函数特性和MVDR窄带信号要求,提出了矢量阵模态域MVDR波束形成算法,并将中心频率的概念应用于固有模态函数,以此作为模态域MVDR波束形成算法的中心频率.海试结果表明:本方法可增强弱目标所在方位空间谱的能量,有效地实现强干扰下弱目标的检测.     

基于时频联合分布的经验模态分解方法

经验模态分解没有固定的先验基底,使信号分析更加灵活多变,是信号处理领域内解决非线性、非平稳信号分析问题的新方法。但其只可分解信号持续时间内由连续的不同频率成分组成的信号,不能分解不同时间段含有相似频率成分的信号。时频联合分布通过设计时间和频率的联合函数,利用时域和频域联合描述信号在不同时间和频率的能量密度。将时频联合分布应用于其中,扩展经验模态分解方法可处理的信号类型。     

Robust Audio Watermarking Algorithm Based on Empirical Mode Decomposition

A novel robust audio watermarking algorithm based on empirical mode decomposition is proposed.The intrinsic feature of the final residual decomposed from the audio frame is selected to embed watermark and the algorithm works by shifting each element of the final residual to make its sum greater or less than 0.The experimental results show that the proposed algorithm does not change the property of the final residual after embedding watermark and the watermark is robust against various kinds of attacks.Compared with existing classic algorithms based on Empirical mode decomposition (EMD),the proposed algorithm largely improves both the robustness and imperceptibility of watermarking.     

基于EEMD的信号处理方法分析和实现

Hilbert—Huang变换是一种具有良好自适应性,能够对非线性非平稳的信号进行分析的时频分析方法。而经验模式分解是HHT的核心部分。针对传统EMD分解带来的模态混叠问题,介绍了引入白噪声辅助分析方法的改进型算法EEMD并且通过Matlab平台进行了信号仿真系统设计和实验,验证了EEMD方法的抗混分解能力。     

基于经验模式分解的人体生命参数检测

人体生命参数检测可用于地震后废墟中的人员搜寻以及反恐行动中人质的营救。由于人体体动的雷达回波信号非常微弱,用传统的时频分析方法无法检测出由体动产生的微多普勒频率。针对这一问题,提出了一种基于经验模式分解的人体生命参数检测方法,首先对人体回波信号进行经验模式分解,接着对分解后得到的内在模函数进行时频分析,可以从时频图中有效提取出由人体体动引起的微多普勒频率。仿真实验表明在信噪比较低时文中所提方法的有效性。     

基于内禀性结构模式的图像分割

模拟人眼具有对观察目标尺度自适应能力的图像分析是一个非常有意义和具有挑战性的研究课题。本文提出一种新的图像分解方法，它能够根据图像的内禀性模式将图像分期为一系列分层次细节图像和基本结构，图像分割应当是依赖于图像结构模式的，因此利用这些分层次细节分解图像自然而又容易的完成了图像分割和重构原始图像。