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.     

基于经验模态分解的近红外光谱预处理方法

针对微分法在有效消除光谱背景和基线漂移的同时会增加光谱噪声的问题,把最新发展的经验模态分解方法(EMD)引入到近红外光谱处理中来,以烟草的一阶导数近红外(NIR)光谱为研究对象,探讨经验模态分解在近红外光谱预处理中的应用,并与小波变换消噪效果进行了对比分析。结果表明,用基于经验模态分解去噪后的光谱进行分析,预测集的决定系数r2由去噪前的0.9705提高到0.9832,均方根误差(RMSEP)由去噪前的0.5606降为0.3310,比基于小波变换的分析结果略高。因此,经验模态分解方法对消除光谱的噪声是有效的,有效地提高了光谱的分析精度和模型的稳定,为近红外光谱预处理提供了一种新方法。     

基于经验模态分解的自混合干涉相位提取方法研究

为实现光反馈机理下激光自混合干涉信号相位的精确提取, 本文提出了一种基于经验模态分析(EMD)的方法.首先, 采用EMD算法对含噪的自混合干涉信号进行了降噪预处理, 提取有效的干涉信号.然后在对含有外腔物体运动信息的光反馈相位求解的过程中, 利用希尔伯特黄变换(HHT)原理实时提取每一时刻的瞬时相位, 将其去包裹处理后得到真实相位. 在弱、适度、强光反馈条件下, 分别对基于EMD的相位提取算法进行了仿真研究.最后, 搭建了基于自混合干涉效应的微位移测量实验平台, 进行实验研究.实验结果表明, 利用该方法可以实现对自混合干涉信号的相位提取, 最大误差小于1.6 rad.仿真和实验结果的一致性, 说明了EMD方法的有效性.     

随机噪声对经验模态分解非线性信号的影响

采用Monte-Carlo随机模拟方法来研究外部噪声对经验模态分解非线性信号的影响.结果表明:噪声对低阶特征模态函数(IMF)影响较为明显,对高阶IMF影响较小;白噪声强度系数越大,分解出的IMF纯噪声分量阶数越多;用含噪声信号减去经验模态分解后的主要IMF噪声分量,可较为明显地削弱噪声的影响;含噪声响应的最大Lyapunov指数比不含噪声响应的最大Lyapunov指数小     

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。     

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     

基于噪声辅助非均匀采样复数据经验模态分解的混沌信号降噪

鉴于非均匀采样复数据经验模态分解(NSBEMD)相对传统分解方法的优势和噪声的NSBEMD特性,提出了一种基于噪声辅助NSBEMD的混沌信号自适应降噪方法.该方法首先以含噪混沌信号和高斯白噪声分别为实、虚部来构造复数据并进行NSBEMD,然后根据虚部各IMF的能量来估算实部各IMF中包含的噪声能量,最后根据噪声能量的估计值对实部IMF进行奇异值分解(SVD)降噪.噪声估计实验验证了噪声能量估计方法的可行性,而Lorenz信号和太阳黑子月平均数的降噪实验则表明,相对于现有EMD降噪方法,本文方法能够进一步消除噪声,更清晰地恢复出混沌吸引子的拓扑结构.     

基于经验模态分解的虹膜识别

虹膜识别是一种有效的生物特征识别方法。经验模态分解(EMD)是一种可自适应的对非线性、非平稳信号进行多分辨率分解的信号分析算法。将虹膜图像进行EMD分解,找出有利于虹膜识别的敏感频带,使用选择后的固有模态分量对虹膜图像进行特征提取。仿真实验结果表明,该方法正确识别率达到99.44%,并且由于其在特征提取的同时消除了高频噪声和背景光影响,简化了预处理过程,降低了算法的复杂度。     

基于聚合经验模态分解方法的OJ 287 射电流量变化周期分析

BL Lac 天体OJ 287 是一个重要的Blazar天体, 光变具有准周期特点. 本文从密歇根大学射电天文台数据库收集了OJ 287射电波段4.8, 8.0和 14.5 GHz超过30年时间的观测数据. 由于天文观测资料的复杂性, 一些传统寻找周期的方法不是太理想. 近几年迅速发展起来的聚合经验模态分解(EEMD) 特别适合于具有非线性和非平稳动态变化特性的Blazar天体光变规律的研究. 运用EEMD方法对OJ 287 的3个射电波段流量分别进行多时间尺度分解, 各获得6个代表不同时间尺度局部特征信息的本征模态函数分量和一个趋势项. 研究结果表明: 4.8 GHz射电流量变化的主要周期是18.9, 11.9, 5.7 和2.4年; 8.0 GHz 的主要周期是12.2, 5.2和2.4 年; 14.5 GHz的主要周期是21.8, 12.0, 4.3和 2.4 年. 尽管3个波段流量变化主要周期大小有一定的差别, 但是存在着近似相同的变化周期12.0 和2.4年, 说明这3个波段可能来源于相同的辐射机制, 也证实了OJ 287 射电波段和光学波段具有相同的长光变周期12.0 年. 这些结论表明: EEMD 作为一种全新的非线性、非平稳信号处理方法, 可以更精确地提取Blazar天体中不同光变周期的分量. 关键词： OJ 287 光变周期 聚合经验模态分解     

基于非线性时间序列分析经验模态分解和小波分解异同性的研究

基于经验模态分解(EMD）的希尔伯特变换（HT），是对非线性时间序列基于EMD进行分解， 然后通过HT获得频谱.利用理想时间序列和青藏高原古里雅冰芯¹⁸O时 间序列 ，系统地分析比较了EMD和小波分解(WD）以及HT和小波变换在非线性时间序列处理中的优劣 ，并针对它们各自的缺点提出了可能改进的设想.研究结果表明，将基于EMD的方法和基于WD 的方法有机结合起来应用，可以更有效地识别原时间序列的特征信息. 关键词： 经验模态分解 小波分解 理想时间序列 古里雅冰芯     

基于经验模态分解-Wigner分布的光学元件中频误差识别

对于大尺寸高精密光学元件,不仅要对光学元件表面低频面形精度和高频粗糙度进行控制,还需要严格限制中频误差,以保证其使用性能和稳定性。为了确定光学元件的不合格区域并指导其返修,引入经验模态分解(EMD)和Wigner分布(WVD)函数方法,通过理论分析确定该方法与功率谱密度函数间的关系,实现对光学元件表面中频误差的辨识与定位。实验结果表明：EMD-WVD方法不仅可以识别分布在实验光学元件表面15~27 mm空间频率为0.1 mm-1的中频误差,还可以减小多分量信号所引起的空间频率为1.0~1.5 mm-1的交叉项干扰,提高中频误差辨识的准确率。     

基于经验模态分解-Wigner分布的光学元件中频误差识别

对于大尺寸高精密光学元件,不仅要对光学元件表面低频面形精度和高频粗糙度进行控制,还需要严格限制中频误差,以保证其使用性能和稳定性。为了确定光学元件的不合格区域并指导其返修,引入经验模态分解(EMD)和Wigner分布(WVD)函数方法,通过理论分析确定该方法与功率谱密度函数间的关系,实现对光学元件表面中频误差的辨识与定位。实验结果表明:EMD-WVD方法不仅可以识别分布在实验光学元件表面15~27mm空间频率为0.1mm-1的中频误差,还可以减小多分量信号所引起的空间频率为1.0~1.5mm-1的交叉项干扰,提高中频误差辨识的准确率。     

基于经验模态分解提高太赫兹频率分辨率的方法

太赫兹频率分辨率是影响物质鉴别的重要因素,但是由于太赫兹时域光谱系统中存在器件反射,使得参考信号和测量信号出现多个反射峰,时域信号长度截断导致频率分辨率很低。为了去除反射峰的影响,提出基于经验模态分解去除时域反射峰,从而提高太赫兹频率分辨率的方法。通过与太赫兹主峰的互相关定位时域反射峰,计算反射峰的上下包络和求平均值,获取本征模函数并代替反射峰,增加时域信号有效长度,提高太赫兹频域分辨率。空气中水蒸汽的太赫兹透射谱实验结果表明,该方法具有自适应去除多个反射峰的能力,对太赫兹时域信号修复效果良好,频率分辨率提高了12倍,而且未丢失有用的吸收谱信息,吸收峰的位置和个数与真实谱一致,很好地保留了太赫兹谱的鉴别能力。     

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.     

基于经验模态分解和支持向量机的车型声频识别

车型自动识别是智能交通系统的重要组成部分。针对现有车型识别存在的问题,提出利用经验模态分解和支持向量机的车型声频识别方法。将车辆行驶的声音信号进行分解,以分解不同模态的能量作为特征向量,并以此作为训练样本对支持向量机构成的车型识别器进行训练,通过对小汽车和卡车的声音信号处理结果表明:利用车辆声音信号能够正确识别不同的车型,识别准确率达95%,是车型识别的有效方法。     

基于Lempel-Ziv复杂度和经验模态分解的癫痫脑电信号的检测方法

癫痫脑电信号是非平稳、非线性的,根据此特性我们提出一个基于Lempel-Ziv复杂度和经验模态分解(EMD)的癫痫脑电信号的检测方法,首先将癫痫脑电信号用EMD分解,再分别计算每阶固有模态函数(IMF)的复杂度,最后将得到的复杂度作为特征进行检测.实验用波恩数据库来评估提出的方法.结果表明,该方法检测准确率可达到95.25%,具有准确率高、适应性强等优点.     

基于集合经验模态分解和奇异值分解的激光雷达信号去噪

为了提高差分光柱像运动激光雷达(DCIM雷达)探测信噪比,提出了一种基于集合经验模态分解(EEMD)和奇异值分解(SVD)的混合降噪法.由EEMD获得含噪信号多层模态分量,根据各模态分量之间互相关系数的差分量确定主要噪声并予以滤除,利用奇异值分解识别模态分量中的残余噪声并提取有用信号.利用混合降噪法EEMD-SVD和EEMD方法分别对模拟仿真信号和实测激光雷达信号进行降噪处理.结果表明,当模拟噪声标准差在0.05~0.2之间时,相比与未降噪直接反演的湍流廓线,EEMD-SVD方法降噪后反演的湍流廓线信噪比提高了2.718 7dB~6.921 5dB,相应的EEMD方法提高了1.446 1dB~3.366 1dB;两个不同时段DCIM雷达降噪前后反演廓线与探空廓线的对比发现,EEMD-SVD和EEMD两种方法降噪后反演廓线较之于未降噪的反演廓线,信噪比最大提高了2.526 5dB和2.155 6dB.EEMD-SVD的降噪效果优于EEMD,能够更有效地识别和滤除噪声,较大地提高了原始信号的信噪比,获得更准确的大气湍流廓线反演结果.     

基于经验模态分解的彩虹法测量研究

基于彩虹Airy理论分析了一阶彩虹强度分布的折射率和直径的灵敏度,并利用经验模态分解法对彩虹信号进行分解与重构,提出了一种有效分离彩虹强度中Airy信号和高频Ripple分量的方法。根据液滴的一阶彩虹分布,设计了液滴折射率和直径同步测量的彩虹?经验模态反演算法,该算法有很强的抗噪声特征。实验中测量了水滴和不同浓度乙醇液滴的一阶彩虹分布,研究结果表明,彩虹?经验模态法对液滴的折射率和直径测量精度分别为10?4和1%。     

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     

基于经验模态分解的SO_2浓度检测信号处理方法

荧光法测量SO2浓度是大气监测中常用的检测手段.双光路技术可以消除光源和光路的噪音干扰,但光电转换器件在激发光照射下产生的背景噪音也会影响定量分析的准确度.本文采用经验模态分解滤波算法降低检测中存在的各种噪音,在实现有效降噪的基础上较好地保存了有用的原始信号.仿真结果表明,针对SO2浓度检测系统,利用经验模态分解去噪后信号的信噪比达到204.273 6,均方误差为0.007 0.与小波去噪法相比,经验模态分解检测效果更佳.最后将经两组不同方法处理后的信号应用于气体检测系统中,实验数据的线性关系更好地验证了经验模态分解方法应用到浓度检测系统的可行性.