發(fā)布時間：2018-05-22 12:58

  本文選題：總體平均經(jīng)驗?zāi)B(tài)分解 + 混沌信號　； 參考：《振動與沖擊》2017年17期

【摘要】：在總體平均經(jīng)驗?zāi)B(tài)分解(Ensemble Empirical Mode Decomposition,EEMD)降噪過程中,對本征模態(tài)分量(Intrinsic Mode Function,IMF)的有效處理一直是影響降噪效果的關(guān)鍵。為此,提出一種基于改進EEMD的去噪方法。基于“3σ”法則和奇異值分解(Singular Value Decomposition,SVD)提取第一個IMF分量中有用信號細節(jié)。利用連續(xù)均方誤差準則對剩余IMF分量進行高低頻區(qū)分,分別使用SVD和S-G算法提取高低頻分量的有用信號,可以有效避免了高頻部分有用信號的流失,同時剔除低頻分量中的部分噪聲,克服了EEMD去噪時IMFs難以有效處理的不足。為了驗證該方法的有效性,進行了數(shù)字仿真與雙勢阱混沌振動試驗,結(jié)果表明,該方法的降噪效果優(yōu)于小波加權(quán)和EEMD去噪方法。
[Abstract]:In the process of Ensemble Empirical Mode decomposition (EEMD) denoising, the effective processing of intrinsic Mode function (IMF) is the key to the effect of noise reduction. For this reason, a denoising method based on improved EEMD is proposed. Based on the "3 蟽" rule and singular Value decomposition (SVD), the useful signal details of the first IMF component are extracted. The continuous mean square error criterion is used to distinguish the high and low frequency of the remaining IMF components, and the SVD and S-G algorithms are used to extract the useful signals of the high and low frequency components, which can effectively avoid the loss of the high frequency partial useful signals. At the same time, some noises in low frequency components are eliminated, which overcomes the disadvantage that IMFs is difficult to deal with effectively in EEMD denoising. In order to verify the effectiveness of this method, digital simulation and double potential well chaotic vibration experiments are carried out. The results show that the noise reduction effect of this method is better than that of wavelet weighted and EEMD de-noising methods.
【作者單位】： 中國人民解放軍91404部隊;海軍工程大學(xué)動力工程學(xué)院;
【分類號】：TN911.7

【相似文獻】

相關(guān)會議論文 前10條

1 秦毅;秦樹人;毛永芳;;正交經(jīng)驗?zāi)B(tài)分解及其快速實現(xiàn)[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文摘要集[C];2007年

2 秦毅;秦樹人;毛永芳;;正交經(jīng)驗?zāi)B(tài)分解及其快速實現(xiàn)[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集[C];2007年

3 楊永鋒;;經(jīng)驗?zāi)B(tài)分解與非線性分析的協(xié)同研究[A];第四屆全國動力學(xué)與控制青年學(xué)者研討會論文摘要集[C];2010年

4 侯文文;鄒俊忠;劉未來;;基于經(jīng)驗?zāi)B(tài)分解的眼電偽差去除研究[A];上海市化學(xué)化工學(xué)會2010年度學(xué)術(shù)年會論文集（自動化專題）[C];2010年

5 李關(guān)防;許春雷;惠俊英;;基于經(jīng)驗?zāi)B(tài)分解的特征提取算法研究[A];中國造船工程學(xué)會電子技術(shù)學(xué)術(shù)委員會2011年海戰(zhàn)場電子信息技術(shù)學(xué)術(shù)年會論文集[C];2011年

6 薛志宏;李廣云;周蓉;;一種基于經(jīng)驗?zāi)B(tài)分解的信號降噪方法[A];全國工程測量2012技術(shù)研討交流會論文集[C];2012年

7 張飛漣;劉嚴萍;;經(jīng)驗?zāi)B(tài)分解與神經(jīng)網(wǎng)絡(luò)方法在降水預(yù)測領(lǐng)域的應(yīng)用研究[A];中國系統(tǒng)工程學(xué)會第十八屆學(xué)術(shù)年會論文集——A01系統(tǒng)工程[C];2014年

8 康春玉;章新華;;一種基于經(jīng)驗?zāi)B(tài)分解的信號降噪方法[A];中國聲學(xué)學(xué)會2007年青年學(xué)術(shù)會議論文集（下）[C];2007年

9 辛鵬;辛雷;蔡國偉;李曉琦;;一種基于經(jīng)驗?zāi)B(tài)分解與支持向量機的電力系統(tǒng)短期負荷預(yù)測新方法[A];第十一屆全國電工數(shù)學(xué)學(xué)術(shù)年會論文集[C];2007年

10 郝文峰;駱英;顧建祖;;基于經(jīng)驗?zāi)B(tài)分解-支持向量機的玻璃幕墻開膠損傷預(yù)測研究[A];中國力學(xué)學(xué)會學(xué)術(shù)大會'2009論文摘要集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 黎恒;經(jīng)驗?zāi)B(tài)分解中關(guān)鍵問題的優(yōu)化理論與方法研究[D];西安電子科技大學(xué);2016年

2 張婷琳;從局部到全局腦電感知模式的研究[D];浙江大學(xué);2017年

3 葛光濤;二維經(jīng)驗?zāi)B(tài)分解研究及其在圖像處理中的應(yīng)用[D];哈爾濱工程大學(xué);2009年

4 孫暉;經(jīng)驗?zāi)B(tài)分解理論與應(yīng)用研究[D];浙江大學(xué);2005年

5 張繼紅;經(jīng)驗?zāi)B(tài)分解及徑向基函數(shù)的一些應(yīng)用研究[D];大連理工大學(xué);2012年

6 熊衛(wèi)華;經(jīng)驗?zāi)B(tài)分解方法及其在變壓器狀態(tài)監(jiān)測中的應(yīng)用研究[D];浙江大學(xué);2006年

7 楊賢昭;基于經(jīng)驗?zāi)B(tài)分解的故障診斷方法研究[D];武漢科技大學(xué);2012年

8 高靜;經(jīng)驗?zāi)B(tài)分解的改進方法及應(yīng)用研究[D];北京理工大學(xué);2014年

9 陳志剛;經(jīng)驗?zāi)B(tài)分解與Savitzky-Golay方法的自適應(yīng)遙感影像融合[D];華東師范大學(xué);2010年

10 周義;快速二維經(jīng)驗?zāi)B(tài)分解和相位追蹤方法及其在導(dǎo)波無損檢測中的應(yīng)用[D];上海交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 史玉君;基于經(jīng)驗?zāi)B(tài)分解的眼電偽跡去除方法的研究[D];蘭州大學(xué);2015年

2 梁江海;基于經(jīng)驗?zāi)B(tài)分解的通信信號細微特征分析[D];國防科學(xué)技術(shù)大學(xué);2013年

3 趙強;基于EMD的齒輪故障診斷技術(shù)研究[D];東北石油大學(xué);2015年

4 熊偉;試車臺振動測試系統(tǒng)的關(guān)鍵技術(shù)研究[D];河南工業(yè)大學(xué);2015年

5 楊U唝~;基于經(jīng)驗?zāi)B(tài)分解的城市供水水質(zhì)異常事件檢測方法研究[D];浙江大學(xué);2016年

6 郭學(xué)雯;利用經(jīng)驗?zāi)B(tài)分解方法研究新型熱中子探測器數(shù)據(jù)周期性[D];河北師范大學(xué);2016年

7 楊勤甜;基于經(jīng)驗?zāi)B(tài)分解和粗糙集屬性約簡的超聲缺陷信號分類識別研究[D];南昌航空大學(xué);2016年

8 李超;透平機組故障特征提取技術(shù)研究與系統(tǒng)開發(fā)[D];天津工業(yè)大學(xué);2016年

9 盧丹丹;基于EEMD的CPI與PPI關(guān)系的結(jié)構(gòu)分析及傳導(dǎo)機制研究[D];暨南大學(xué);2016年

10 鄒志國;基于經(jīng)驗?zāi)B(tài)分解的多分量信號分析方法研究[D];哈爾濱工業(yè)大學(xué);2016年

，

本文編號：1922169