基于EEMD和模糊閾值的去噪方法
發(fā)布時間:2018-01-08 17:16
本文關(guān)鍵詞:基于EEMD和模糊閾值的去噪方法 出處:《計算機(jī)工程與科學(xué)》2017年04期 論文類型:期刊論文
更多相關(guān)文章: 聚合經(jīng)驗?zāi)B(tài)分解 本征模態(tài)函數(shù) 模糊隸屬度 噪聲主導(dǎo)模態(tài) 信號去噪
【摘要】:為了提高EEMD分解中噪聲主導(dǎo)模態(tài)的去噪效果,利用模糊隸屬度的優(yōu)勢,提出了一種EEMD和模糊閾值相結(jié)合的去噪方法。首先用二范數(shù)計算各個本征模態(tài)函數(shù)(IMF)與觀測信號的概率密度函數(shù)(PDF)之間的相似度,得到噪聲主導(dǎo)的IMF;然后對噪聲主導(dǎo)的IMF進(jìn)行模糊閾值處理,以去除IMF中的噪聲;最后將所有的IMF重構(gòu)得到消噪信號。分別采用仿真信號和ECG信號進(jìn)行去噪實驗,結(jié)果均表明,所提方法的去噪效果整體上優(yōu)于小波半軟閾值方法和基于EMD的間隔閾值(EMD-IT)方法。
[Abstract]:In order to improve the de - noising effect of the noise - dominant mode in EEMD decomposition , a denoising method combining EEMD and fuzzy threshold is proposed by using the superiority of fuzzy membership degree . First , the noise - dominated IMF is obtained by calculating the similarity between each eigenmode function ( IMF ) and the probability density function ( PDF ) of the observation signal by using the two - norm . Then , the noise - dominated IMF is processed to remove noise in the IMF ; and finally , all the IMF reconstructed signals are de - noising . The results show that the denoising effect of the proposed method is superior to the wavelet semi - soft threshold method and the EMD - based interval threshold ( EMD - IT ) method .
【作者單位】: 湖南大學(xué)電氣與信息工程學(xué)院;
【基金】:中央國有資本經(jīng)營預(yù)算項目(財企[2013]470號) 中央高;究蒲许椖(2014-004) 國家自然科學(xué)基金(61172089) 湖南省科技計劃項目(2014WK3001) 中國博士后科研基金(2014M562100) 湖南省科技計劃重點項目(2015JC3053)
【分類號】:TN911.4
【正文快照】: 1引言從實測信號中準(zhǔn)確提取真實信號依然是信號處理和統(tǒng)計中具有挑戰(zhàn)性的問題,人們希望在去除噪聲的同時能夠存留信號的重要特征[1]。目前常用的非平穩(wěn)信號的去噪方法有基于小波分解的閾值法與基于聚合經(jīng)驗?zāi)B(tài)分解EEMD(EnsembleEmpirical Mode Decomposition)[2]的去噪方法。
【相似文獻(xiàn)】
相關(guān)期刊論文 前3條
1 張立振;劉坦然;魏恩泊;;消除EMD邊界效應(yīng)的四中點估計方法[J];海洋科學(xué);2013年04期
2 張淑英;曹詠弘;;EEMD在慣性導(dǎo)航動態(tài)測試中的去噪應(yīng)用[J];測試技術(shù)學(xué)報;2013年05期
3 ;[J];;年期
相關(guān)博士學(xué)位論文 前1條
1 朱正;Hilbert-Huang變換及其在目標(biāo)方位估計和水聲通信中的應(yīng)用研究[D];哈爾濱工程大學(xué);2013年
相關(guān)碩士學(xué)位論文 前1條
1 劉鑫;本征模態(tài)函數(shù)分解中的邊界問題及信號的預(yù)測方法研究[D];中國海洋大學(xué);2012年
,本文編號:1397980
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/1397980.html
最近更新
教材專著