关于经验模态分解与整体经验模态分解的分离效果差别的探讨

经验模态分解(Empirical Mode Decomposition ,简称EMD)是一种自适应信号分解方法,主要应用于非线性非平稳的信号。整体平均经验模态分解(Ensemble Empirical Mode Decomposition ,简称EEMD)解决了EMD中出现的模态混合问题。在此主要讨论EMD和EEMD处理含噪信号时的效果差异,就几种特殊的信号,对EMD和EEMD在实际应用中出现的问题进行探讨。     

经验模态分解滤波法用于时变重力场去噪研究

GRACE重力卫星的时变重力场数据在陆地水储量变化监测和分析中广泛应用,其应用效果与时变重力场滤波方法的特性息息相关,因此时变重力场滤波方法研究成为一个热点.引入经验模态分解滤波法,对时变重力场数据进行滤波处理,并与成熟的P3M6、Duan滤波法比较分析该方法的有效性.结果表明:经验模态分解滤波法结果的信噪比为3.14,而P3M6、Duan滤波法的结果信噪比分别为2.90和3.01,相比而言,经验模态分解滤波法有较好的保留真实信号能力.进一步将三种滤波方法用于研究亚马逊流域、密西西比河流域和长江流域的水储量变化,并与GLDAS反演的水储量变化结果比较,结果表明经验模态分解滤波法反演结果与GLDAS结果相关性最高,相关系数大于0.86,充分验证该方法的可靠性和有效性.     

基于改进的经验模态分解方法的热网管道泄漏检测方法

管道泄漏检测技术是保障管道安全生产的重要手段。为了延长管道使用寿命、及时发现和处理管道泄漏事故,通常采用基于声波检测的管道泄漏检测方法。对基于声波检测的热网管道泄漏检测方法进行了研究。对经验模态分解方法进行了分析,针对其存在的端点效应问题提出了一种改进的方法,经过仿真实验和性能对比,验证了方法的有效性和优越性。将这种改进的EMD算法应用在热网管道泄漏检测中,取得了较好的管道信息处理效果。     

基于经验模态分解去噪的粗晶材料超声检测

粗晶材料超声检测中,结构噪声严重降低了检测信号的信噪比,缺陷反射难以识别.为了增强检测信号信噪比,提高粗晶材料超声检测的可靠性,采用经验模态分解(EMD)技术对检测信号进行去噪处理,通过3次样条插值形成波形包络,并利用信号的特征时间尺度将非线性、非平稳检测信号自适应的分解成多个本征模态函数(IMF)之和,从而获得信号高阶成份和趋势.利用EMD的这种特性对低信噪比模拟信号进行处理,并将处理结果与小波去噪结果进行对比,信噪比获得更大提高.通过对粗晶材料实测信号进行去噪实验,结果表明EMD去噪具有更强的自适应能力,且需知的原信号先验信息更少.     

基于经验模态分解建模法检测肌肉疲劳研究

本文针对表面肌电信号的非平稳特性,采用自回归模型（auto regression,AR）对表面肌电信号进行分析,对短时间内的表面肌电信号的肌肉疲劳迅速做出判定。首先对表面肌电信号进行经验模态分解,得到本征模态函数和趋势项,然后对趋势项进行零化处理,再对本征模态函数分量进行重构处理,重构后的信号可视为均值为零的平稳信号,最后将去势化的信号进行建立自回归模型,采用基于该模型的第一个时变参数（first time-varying parameter of auto regression modle,ARC1）作为检测肌肉疲劳灵敏度的快速指标。用疲劳前后的相关特征值的灵敏度波动比（sensitivity to variability ratio,SVR）来表征肌肉疲劳的灵敏度,较平均功率频率对疲劳反应灵敏度要高。该方法通过表面肌电信号对肌肉疲劳检测时,具有时间短、灵敏度高和将表面肌电信号细微特征信息放大、便于识别的效果等优点。     

多个经验模态分解对振动信号作用的对比

经振动传感器采集到的信号是非线性、非稳定的,这种信号无论是在时域还是频域上都不易分析。所以通过经验模态分解将原始信号分解成为多个本质模态函数（IntrinsicMode Function,IMF）,之后对其进行特征提取等进一步处理。但是经验模态分解存在模态混叠与端点效应的问题,所以文章采用互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposision,CEEMD）。CEEMD是在进行经验模态分解之前加入多组符号相反的白噪声,这不仅减少了模态混叠,分解出的IMF分量还更精进。这种互补集合经验模态分解有效地处理了所采集的非线性、非稳定性的振动信号。     

动态称量经验模态分解数据处理方法

为消除动态称量信号中的各种噪声,研究动态称量经验模态分解数据处理方法.针对经验模态分解筛分过程中数据序列的两端常处于非极值状态,而导致边缘效应,以及现有抑制边缘效应方法效率低、对数据量要求大的不足,提出一种新的数据延拓方法次端点镜像延拓法来抑制边缘效应.通过对定量加料动态称量经验模态分解试验,结果表明新的抑制边缘效应方法可以获得较高的称量精度和效率,对称量信号分解的最大误差在±0.8%以内.     

机械故障诊断中经验模态分解的模态混淆问题

经验模态分解广泛应用于机械故障诊断,但其模态混淆问题影响了方法的有效性。从机械故障诊断的角度提出了EMD模态混淆的基本概念,根据表现形式将模态混淆定义为"向下"、"交叉"和"向上"3种基本类型,通过深入研究经验模态分解的模态混淆问题,发现产生模态混淆的原因主要有2类:一类是由方法基本原理所导致,有模态向下混淆和模态交叉混淆2种表现形式,称为Ⅰ类模态混淆问题;一类是由筛分算法缺陷所导致,有模态向上混淆1种表现形式,称为Ⅱ类模态混淆问题。根据模态混淆产生的机理,提出了针对性的解决方案:对于Ⅰ类模态混淆问题需要引进辅助手段加以解决,例如异常排除法、信号滤波法和辅助信号加入法;对于Ⅱ类模态混淆问题,完善了本征模态函数的定义,改进了筛分算法最后进行了仿真,结果表明所提解决方案有效。     

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.     

基于改进经验模态分解的直流串联电弧故障检测

针对直流系统中存在强噪声干扰时串联电弧故障检测准确度较低的问题，提出一种基于改进自适应噪声完备集合经验模态分解和模糊k均值聚类相结合的直流串联电弧故障检测方法；首先运用改进自适应噪声完备集合经验模态分解方法分解回路电流信号，得到多个本征模态函数；然后计算各本征模态函数的Hurst指数值以区分噪声分量和有用分量，将Hurst指数值大于0.5的有用分量进行重构；最后计算重构信号的峰峰值特征量和模糊熵特征量以构建特征向量作为模糊k均值聚类的输入，通过聚类中心的不同位置识别正常与故障状态。仿真与试验结果表明，所提出的方法区分系统正常与故障状态准确度为100%,区分系统干扰与故障状态准确度为93%,能有效识别直流串联电弧故障。     

基于经验模态分解的间接心电去噪

提出了一种基于心电图（ECG）动态模型和经验模式分解（EMD）的新颖心电间接去噪方法．通过设计一个心电信号模型对噪声ECG进行预滤波处理,为了保持重要的形态特征,尤其是QRS群波,从噪声ECG信号中减去这个模型,用EMD分解残存下来的信号,并且抛弃分解结果中的噪声成分达到去噪．最后,通过把模型和无噪的残余信号叠加起来获得无噪ECG波形．     

基于EMD与坐标寻优的松脱件定位方法

针对目前松脱件定位方法普遍存在的定位误差大的问题,采用多传感器布局方案,提出一种基于经验模态分解（empirical mode decomposition,EMD）与坐标寻优的松脱件定位方法。EMD处理可分离信号不同振动波成分并提取信号主要本征模函数（intrinsic mode function,IMF）分量,使到达时间提取及波速计算更为准确;多传感器布局能有效降低定位偏差,通过制定传感器选取策略选择最优的传感器组合用于定位分析,实现定位的进一步优化。最后搭建平板试验台并与不同定位方法进行对比,结果显示本文方法定位精度最高,最小定位偏差在0.1 m左右。     

基于总体经验模态分解的水文序列多尺度分析

为解决模态混叠问题,将总体经验模态分解方法应用于水文时间序列的多尺度研究中.将白噪声加入原始序列,经过总体经验模态分解后得到固有模态函数,通过对结果进行显著性检验并最终得到水文时间序列主要振荡周期、中心频率、平均振幅等信息.通过对黄河三门峡水文站实测天然年径流序列进行分析,发现总体经验模态分解能够较好地解决模态混叠现象...     

经验模态分解的理论研究及应用

 经验模态分解(EMD)算法是一种崭新的能够自适应地处理非平稳信号的时频分析方法。在介绍EMD 算法概念的基础上,总结了EMD 算法理论方面的研究进展,比较了不同改进算法的优劣。介绍了EMD 算法在工程中的应用,指出了EMD 算法的研究趋势。     

基于改进EMD的船舶液舱液位测量方法及数据分析

分析了自由浮态下提高液位测量精度的方法,然后针对采集到的非平稳液位信号,提出了一种改进的局部经验模态分解(empirical mode decomposition,EMD)方法进行滤波处理,去除信号中各瞬时频率成分,提取信号的平均趋势,并计算液位有效高度.仿真结果表明,采用改进后的局部EMD方法能有效地提高分解精度,实验数据的分析表明提出的液位测量方法是可行的,具有工程应用价值.     

经验模态分解在EGG信号慢波提取中的应用

对临床检测到的胃电图(electrogastrogram,EGG)信号先进行经验模态分解(empirical modedecomposition,EMD),然后再选择相应的内在模分量重构,有效地提取出EGG信号中的慢波成分,提高了信号的信噪比.     

信号经验模式分解与间断频率

基于环境激励条件下结构的模态参数识别问题需要处理采集的数据信号来得到所需的参数信息.经验模式分解(EMD)通过筛分过程将原始信号分解成若干个基本模式分量(IMF),可看作无需预设带宽的自适应高通滤波方法.通过设置间断频率可以避免模态混叠,使每一个基本模式分量表示结构的某一阶固有模态.采用信号实例说明该方法的主要计算过程,分解结果表明该方法能有效对信号进行分解,方便模态参数识别.     

重力信号的小波变换与经验模态分解级联滤波方法

针对动基座重力测量,提出了处理重力信号的小波变换与经验模态分解级联方法.该方法采用DB4小波函数的强制阈值小波变换作为前端滤波器,将原始信号分解为12层,提取第7层作为中间结果,运用经验模态分解方法用作第二级滤波器,将输入分解为8个模态,提取残余分量和最大尺度的逼近模态作为级联滤波结果.对静态重力数据进行概率密度分析,给出了重力的统计特性以及测量结果的可信度.级联滤波结果与某航空重力系统处理结果对比表明:级联滤波方法能够在强噪声中提取出微弱的重力信号,并且由于引入前端滤波器减少了级联滤波器整体计算量,提高了重力测量的空间分辨率.