基于经验模态分解的低信噪比探地雷达数据处理

阐述经验模态分解原理及复信号分析理论,着重讨论EMD分解应满足的条件及具体分解过程.应用EMD方法对单道GPR数据及GPR正演加噪剖面分别进行分解,得到从高至低不同频率范围的本征模态函数GPR图.然后,以湖南长沙黑麋峰抽水蓄能电站进厂交通隧洞实测GPR剖面为例,首先对该剖面进行EMD分解去除部分噪声,再利用Hilbert变换求取GPR剖面复信号,并提取瞬时振幅、瞬时相位、瞬时频率3个参数,绘制出相互独立的瞬时参数剖面图.研究结果表明:EMD分解对于低信噪比GPR数据具有较强的适应性,把EMD分解应用于含噪的雷达信号,并结合GPR复信号分析技术得到的“三瞬”信息,避免了使用单一时距剖面分析所造成的解释偏差,可以较好地实现对低信噪比GPR数据的噪声去除,突出雷达剖面中异常体特征,达到提高GPR信号分析效果及解释精度的目的.     

分数阶经验模态分解方法在机械故障诊断中应用

将经验模态分解方法(EMD)和分数阶Fourier变换基本理论相结合,提出一种基于分数阶Fourier变换的经验模态分解的机械故障诊断方法.仿真结果表明,提出的方法是有效的,尤其是对于用EMD分解方法无法进行有效分解的信号.如果时频平面旋转一定的角度,将信号从EMD难以分离的区域变换到可以用EMD分解有效识别的区域,然后经过EMD分解和分数阶Fourier反变换,就可以实现分量的提取.诊断实例进一步验证方法的有效性.     

EMD端点效应处理方法的研究

经验模态分解(EMD)过程中存在着端点效应问题,使得EMD分解结果产生严重的失真现象,从而导致处理数据发生畸变.提出了将极值点对称延拓和在信号序列上加窗函数相结合的方法,带入到EMD分解过程中,以抑制信号被分解时在端点附近所产生的上下包络线的发散现象.结果表明,该方法较好地解决了信号失真问题.     

基于小波分析和EMD的手写体数字字符特征表示

针对经验模态分解(EMD)能有效地对信号结构作出精确分辨的特点,提出了一种基于小波变换和EMD的手写体数字字符特征表示方法.首先对原始数字字符进行G小波变换极大模预处理,得到能反应字符特征信息的光滑轮廓;然后对规范轮廓曲率序列作EMD分解,以获取浓缩曲率特征的主要信息;最后对此曲率特征数据进行聚类和识别.实验结果表明,与经典的字符特征提取算法相比,文中方法具有更好的聚类效果,提高了分类器的分类设计能力.     

基于经验模态分解的煤矿设备温度预测

煤矿设备出现故障时,设备温度会迅速上升,表现出非线性和非平稳性的特点。为了较准确地预测温度异常,采用了基于经验模态分解（EMD）的神经网络方法对设备温度进行预测。该方法首先采用经验模态分解算法对设备温度时间序列进行分解,得到若干个平稳性较好的本征模态函数（IMF）分量和一个剩余量,然后分别对各分量及剩余量进行神经网络预测。仿真结果表明,基于EMD的神经网络预测方法比单一神经网络预测方法,预测精度更高,对于温度异常预测更有效。     

基于EMD与小波阈值的爆破震动信号去噪方法

针对小波阈值法去噪效果有限和EMD低通法去噪存在信号失真问题,综合EMD方法分解、重构方便和小波阈值法灵活、可调的优点,提出一种EMD-小波阈值爆破震动信号去噪方法.基于某矿地表实测数据,借助EMD的自适应分解特性,在原始信号分解的基础上,识别属于高频噪声的IMF1和IMF2分量,并对其进行小波阈值去噪处理,提取淹没在噪声中的有用特征信息MF1和MF2,最后,将MF1、MF2与剩余IMF分量及余量R进行重构,得到干净信号.通过频谱和小波包能量分析知:EMD-小波阈值法既能有效去除噪声,又能很好保留真实信号,还可避免EMD分解的端点震荡效应,是一种高效的爆破震动信号去噪方法.     

异常事件对EMD方法的影响及其解决方法研究

作者指出异常事件在数据中形成局部的高频信号,运用经验模态分解（EMD）方法分析这种存在异常事件干扰的数据,就会产生本征模函数（IMF）的频率混叠现象,而造成物理过程的重叠,使得难以用时间过程曲线表现特定的物理过程。这一问题是EMD方法中尚未妥善解决的问题。为解决这一问题,作者利用干扰信号极值及其两边的极大与极小值位置与原始数据有明显对应关系的特征,将相关IMF中的异常信息直接滤除,再用Spline插值方法弥补滤除时段的数据,得到了重新拟合的该IMF数据。采用这种方法可以提取出异常信号,提取的精度与异常信号的时段长度有关。而且,拟合结果消除了异常干扰,可以将该IMF与其余IMF一起叠加成没有异常干扰的数据。将滤除了异常干扰的数据再次进行EMD分解,可以得到新的IMF系列,而它与不加校正的分解结果有相当大的差别,可靠地反映了真实物理过程。结果表明,只有在有效滤除异常干扰的分解结果有相当大的差别,可靠的反映了真实物理过程。结果表明,只有在有效滤除异常干扰的情况下才能获得可靠的IMF系列,并准确地描述各种尺度的现象;消除了异常干扰的IMF可以任意单独或组合使用,表现各种时间尺度的变化与过程;所讨论的方法只适合异常时段较小的情形。对于异常时段接近或大于正常变化周期的干扰还需要探讨其他方法。     

多分量到单分量可用EMD分解的条件及判据

基于数据时域局部特征的EMD分解算法可把复杂的数据分解成有限、少量几个内蕴模式函数分量，是一种数据驱动的自适应时频分析方法. 文中将Huang的EMD分解定性为从多分量信号到单分量信号的分解算法，并给出了多分量到单分量可用EMD分解的条件，而且通过建立二级极值点结构，给出了从多分量到单分量用EMD分解的极值点判断准则. 通过大量实验，验证了可分解条件及判据的合理性.     

基于经验模态分解的无量纲指标故障诊断定位

无量纲指标作为新的理论工具应用于故障诊断研究中,虽然取得了一定的进展,但在应用时没有考虑到其他噪声干扰信号的影响,对结果分析有一定的干扰.而经验模态分解(EMD)技术能够提取出振动数据的故障特征信号,针对无量纲指标分析数据时的噪声干扰,提出了基于EMD的无量纲指标处理算法.首先对采集到的振动数据做EMD,分解出的前几个固有模态函数(IMF)分量中包含了振动数据的故障特征,去除其他噪声干扰信号的影响;其次求出含有振动数据特征信号的IMF分量的无量纲指标值,做出其无量纲指标的特征范围值;最后进行故障诊断分析.将此算法应用于旋转机械的故障诊断实验中,通过实验验证了该方法的可行性和有效性.     

心电信号基线漂移去除方法研究

心电信号(ECG)是临床诊断各种疾病的重要依据,但由于基线漂移等噪声的存在影响了其诊断的准确性.根据基线信号的特点和固有模态函数(IMF)的性质,提出一种基于经验模态分解(EMD)结合形态滤波的自适应滤波方法.该方法先对信号进行经验模态分解,然后对所选择的IMF分量进行形态滤波处理,将滤波后的结果作为自适应滤波器的参考输入信号,最后得到的输出误差信号即为去除基线漂移后的心电信号.通过与普通的EMD方法、基于EMD的自适应滤波方法对比,并采用MIT-BIH数据库中的心电数据进行了检验,实验结果表明该方法对于去除心电基线有较好的效果.     

基于发现驱动方法的数据立方体在校园用电安全中的应用研究

随着电控智能管理手段在高校学生公寓管理中的广泛应用,同时结合校园一卡通进行计费扣费功能,高校已经积累了大量学生用电行为数据.本文对学生用电行为数据进行数据立方体化,并采用发现驱动方法对数据进行处理,对用户用电的行为进行分析,从而评估校园用电中的异常,及早发现用电中的安全问题.     

基于发现驱动方法的数据立方体在校园用电安全中的应用研究

随着电控智能管理手段在高校学生公寓管理中的广泛应用,同时结合校园一卡通进行计费扣费功能,高校已经积累了大量学生用电行为数据.本文对学生用电行为数据进行数据立方体化,并采用发现驱动方法对数据进行处理,对用户用电的行为进行分析,从而评估校园用电中的异常,及早发现用电中的安全问题.     

建筑物变形监测数据去噪的LMD方法

将局部均值分解方法 LMD应用于建筑物变形监测数据去噪.首先介绍局部均值分解的基本原理,然后给出其去噪的流程,最后通过一工程的实际数据进行分析.结果表明,其去噪性能优于EMD滤波去噪方法与小波去噪方法.     

单历元GPS变形信息特征提取的EMD方法

为了准确地对单历元GPS变形信息特征进行提取,提出应用EMD（经验模式分解）方法对变形数据进行去噪处理。通过对实际工程算例进行分析并与小波变换及中值滤波方法进行对比,结果表明：EMD方法的去噪效果优于中值滤波方法,同时EMD方法具有自适应滤波去噪的功能．避免了应用小波去噪时其效果与小渡基函数的选择相关的缺陷。在对变形数据进行有效去噪的基础上,应用EMD方法可以完成对单历元GPS变形信息进行有效识别并提取出微弱的变形特征。     

EMD和GARCH模型应用于股票价格预测

将EMD（经验模式分解）方法应用到股票价格趋势的预测中,找出影响股票市场波动的关键因素,旨在提高预测的精确性。通过EMD方法将上证指数日收盘价数据分解为不同频率的数据段,重组为高频序列、低频序列和趋势序列,运用高阶自回归和GARCH模型对分解出来的各序列进行拟合和预测,避免各个分段预测过程中的误差累积,最后对预测数据重组,得到样本外数据的预测序列。结果表明,该模型具有较好的预测效果,能给投资者提供更为合理的股票投资意见,同时为趋势预测研究提供借鉴。     

基于EMD-SVD的声发射信号特征提取及分类方法

针对胶合板损伤声发射(AE)信号的非平稳性和损伤类别特征相互重叠的实际情况,提出了基于经验模态分解(EMD)和奇异值分解(SVD)相结合的信号特征提取与识别方法.首先对AE信号进行EMD分解,运用互相关系数和方差贡献率筛选出包含主要信息的本征模态函数(IMF)分量;其次对各IMF分量构建的初始特征矩阵进行SVD分解,将得到的奇异值作为表征各损伤信号的特征向量;最后建立Mahalanobis距离判别函数对各损伤信号进行识别分类.五层胶合板损伤的实测数据表明,该方法能够方便地提取出AE信号特征并对其损伤类型进行有效的识别.     

基于EMD与BP神经网络的中国股票指数期货价格预测

应用经验模态分解算法（EMD）和BP神经网络理论提出了我国股指期货市场价格走势预测模型。首先应用EMD分解算法把股指期货价格序列分解成不同尺度的内禀模态分量（IMF）,再通过重复试验的方法运用BP神经网络对股指期货价格序列和分解得到的所有IMF的数据序列进行训练,得到股指期货价格的预测模型,并对股指期货价格进行预测。实验表明,通过该方法得到的预测值与股指期货的实际价格有着很高的拟合度。     

经验模态分解和小波分解滤波特性的比较研究

 为了更好地了解小波分解(WD)和经验模态分解(EMD)2种方法对非平稳信号滤波特性的差异,以及2种方法的实际应用效果和各自的优缺点,提出了运用对高斯白噪声信号分解分量平均功率谱特性的分析来对比2种方法滤波特性差异的研究方法,并运用多项对比实验对所提研究方法的有效性进行验证.实验结果表明,所提研究方法能够有效地解释2种分解各自的滤波特性.对于EMD分解,各分量平均功率谱表现为带宽逐渐减小,中心频率逐渐降低的一组有序排列的带通滤波器.整个分解过程不需人为干预可自动完成,但存在边缘效应问题,如不加以处理可能会严重影响分解质量;对于小波分解,选择不同小波基,有的表现出与EMD分解类似的多尺度滤波特性,有的则不尽相同,甚至是完全不同.所以小波基的选择和分解层数的设置不同,可能会导致分解结果出现较大差异,因此存在对小波基优化选择问题.此外,小波分解过程速度较快,平均用时仅为EMD的1/25.     

基于二维EMD的图像分层放大方法

提出了一种新的图像分层放大方法,在各层上体现图像的局部和全局的相关性,弥补了传统插值放大中的不足.其原理是先将图像用二维经验模态分解(empirical mode decomposition,EMD)方法分解为具有不同复杂程度的图层,在每一分解层上分别设计一种组合放大方法,其中组合系数密切相关于图层的复杂度,最终的放大结果再由EMD逆过程得到.实验结果和数据表明这种方法能够取得良好的图像放大效果.     

基于改进经验模态分解的三维重建

针对传统经验模态分解(Empirical mode decomposition,EMD)在边缘易出现分解错误的问题,本文提出一种改进的经验模态分解方法.分别对条纹进行镜像延拓和Gerchberg外插迭代来实现边沿的拓展,有效抑制条纹边沿引起的模态分解错误,提高分解准确度.将改进的EMD分解方式应用于变形结构光条纹图的分析,能有效消除条纹中的背景分布,得到更好的三维面形重建效果.