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     

H∞分散控制系统范数计算的模态综合法(Ⅱ)

在大系统控制中，H∞分散控制方法将整个系统划分成一系列子系统分别研究，然后综合设计大系统的分散控制器，这与结构力学中的子结构分析技术类似．本着这一思想建立了分散H∞控制与子结构振动分析的模拟关系、分散控制系统的最优H∞范数与整体结构一阶本征值之间的对应关系，进而利用结构力学中的模态综合法和扩展Wittriek-Williams算法计算这一参数．论的第(Ⅰ)部分主要介绍系统H∞控制及其本征函数的正交性和展开定理；第(Ⅱ)部分介绍分散控制系统最优H∞范数计算的模态综合法及数值算例。     

二次分支与模态跃迁

本文的目的在于阐述发生在结构屈曲等问题中的二次分支(secondary bifurcation)以及与之有关的现象,如模态跃迁等,力图从工程的观点来解释发生二次分支(bifurcation)和模态跃迁的原因和机理.     

两自由度非对称三次系统非奇异时的非线性模态及叠加性

本文利用非线性模态子空间的不变性研究两自由度非对称三次系统在非奇异条件下的非线性模态及其模态叠加解有效性，重点考虑这种有效性与模态动力学方程静态分岔之间的关系·大量的数值结果表明，非线性模态解的有效性不仅与其局部性的限制有关，而且与模态动力学方程静态解分岔有关·     

基于CEEMDAN-MFO-RBF的风电功率短期预测

文中提出一种基于自适应噪声完整集成经验模态分解与飞蛾扑火算法优化径向基神经网络的短期风电功率预测方法.首先,利用自适应噪声完整集成经验模态分解对风电功率信号进行分解,以获得不同时间尺度的固有模态函数分量和剩余分量,该方法相较于经验模态分解与集成经验模态分解具有更好的收敛性和完整性.其次,利用飞蛾扑火算法优化径向基神经网...     

基于声辐射模态的有源控制解耦在固定支承板上的研究

基于声辐射模态的主动控制理论,以固定支承板为例,通过四组作动器在固定支承板上的布放,使其能分别控制不同阶声辐射模态辐射的声功率,来使控制方程解耦,从而设计了比较简单与稳定的单输入/单输出控制系统,模拟计算取得了较好的控制效果。同时本文对控制过程中的溢出等问题进行了一定的探讨。     

基于经验模态分解滤波的低频振荡Prony分析

传统Prony法在分析低频振荡时对输入信号要求较高,存在着对噪声敏感的弱点.因此提出一种经验模态分解滤波和改进Prony法相结合的低频振荡分析方法.该方法先用经验模态分解对低频振荡信号进行自适应滤波,再用改进Prony法对滤波后的信号进行分析.其中,改进Prony法有效阶数用归一化奇异值法确定.将该方法分别用于分析试验信号和IEEE 4机系统振荡信号,并与基于低通滤波器的Prony分析进行比较.结果表明,在较大噪声环境下,该方法仍然能相对准确的辨识出低频振荡主导模式,验证了其有效性. 关键词： 低频振荡 经验模态分解 改进Prony法 归一化奇异值法     

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。