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。     

原子钟数据的改进经验模态分解降噪

为了提升原子钟数据降噪效果,基于经验模态分解(EMD),结合小波阈值降噪方法,提出了一种改进EMD的方法.在分析原子钟噪声模型的基础上,明确了原子钟频率数据非线性、非平稳的特点.结合EMD方法原理中固有模函数(IMF)需要满足的条件和提取步骤,利用窗口做出划分,对每一个窗口进行降噪处理,再利用小波阈值进行二次降噪,最后...     

基于延拓技术的经验模态分解改进算法

为了消除经验模态分解算法中的端点效应问题,给出了利用数据序列延拓技术抑制端点效应的方法。在分析基于镜像延拓法的算法实现以及存在的不足的基础上,提出了端点极值包络延拓方法。通过理论分析和仿真实验验证了该方法在提高经验模态分解算法分解精度、改善时频分析性能方面的有效性,在空间方面,包络极值延拓算法比镜像延拓节省了约50%的空间。     

经验模态分解中的频域分辨率及其改进方法

经验模态分解(EMD)的主要目的是提供满足Hilbert变换要求的单组分或窄带信号.针对EMD中由于模式混淆以及信号间相互作用带来的单个本征模态函数带宽过大的不足,对单次EMD分解结果本征模态函数的带宽进行了研究,计算了其瞬时频率分辨率,以此为依据提出了经验模态分解中限制当前信号带宽的改进屏蔽信号方法.此方法完全解决了模式混淆的问题,尽可能地减少了经验模态分解中信号相互作用的不利影响,有效地提高了本征模态函数经H ilbert变换后其瞬时频率表达的频域分辨率.     

基于经验模态分解的子带自适应声学回声消除算法

在语音通信中,声学回声消除技术用于消除扬声器与麦克风之间耦合产生的回声干扰.在声学回声抵消系统的实现过程中,可以通过子带技术来提高系统的性能,并减小算法本身的运算量.常见的子带算法多是基于组合滤波器、小波变换实现的.本文基于经验模态分解提出一种新的自适应回声消除算法EMD-APNLMS,它克服了基于组合滤波器算法收敛慢的缺点以及基于小波变换算法需要选择小波基的问题.计算机仿真结果表明,该算法实现了回声的消除,收敛速率较快,非常适用回声这种非平稳信号的处理.     

经验模态分解中一种改进的包络线拟合算法

针对经验模态分解(empirical mode decomposition,EMD)过程中存在的包络线拟合问题,提出了一种精确消除欠冲现象的改进算法.该算法首先确定利用三次样条插值(cubic spline interpolation,CSI)进行包络线拟合时所产生的欠冲区间,然后通过单调分段三次多项式插值法对欠冲区间包络线进行补偿.该改进的包络线能紧紧地包住原始信号,而不影响信号本身的特征,尽可能保持前包络线的平滑性.仿真结果表明,提出的方法可以有效地消除由CSI所造成的欠冲现象,拟合出更好的包络线,进一步提高EMD的分解精度.     

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。     

基于改进的经验模态分解的后视镜驱动器故障诊断方法

针对电动后视镜驱动器振动信号非平稳非线性及信噪比低,提取传统特征难以有效识别样本故障状态的问题,提出了一种改进的集成经验模态分解算法(EEMD).使用EEMD对振动信号进行了分解,利用相关系数与峭度系数筛选有效本征模态函数(IMF)分量.应用自回归模型(AR)功率谱估计方法,建立最佳阶次的AR模型,对有效IMF分量进行...     

一种基于改进辛几何模态分解的复合故障诊断方法

针对辛几何模态分解方法分析结果的不确定性,提出一种改进的辛几何模态分解方法.首先对原时间序列进行相空间变换,获得轨迹矩阵;然后通过辛几何相似变换求得特征值和对应的特征向量,并通过对角平均得到一系列的初始辛几何分量;最后采用层次聚类方法对初始辛几何分量进行自适应重组,进而得到最终的聚类辛几何分量.实验结果表明:改进的辛几何模态分解方法可以有效地对旋转机械复合故障信号进行特征提取,提高故障诊断的准确性.     

一种改进的经验模态分解消噪阈值函数

在已有的经验模态分解（empirical modede composition,EMD）阈值消噪的基础上,提出了一种新的EMD域可导阈值函数。新阈值函数简单且便于计算,具有连续性和高阶可导性,可有效克服硬阈值EMI）消噪时和消噪后EMD系数不连续的缺点;也可有效克服软阈值EMD消噪时和消噪后EMD系数与原始EMD系数之间存在着恒定偏差的缺点。实验结果表明,经可导阈值的EMD方法消噪后,可有效减弱含噪信号突变点处的Gibbs现象,消噪后信号具有更好的视觉效果。与经典的硬闽值和软阈值EMD消噪方法相比,所提出的方法在信噪比和均方误差两方面都有较好的提高。     

基于经验模式分解的包络解调技术及其应用

提出了一种新的调制信号解调分析技术,来抑制传统的包络解调方法中经常出现的无意义的频率成分.首先,对复杂的振动信号进行经验模式分解,得到若干个基本模式分量,再对包含调制信号的基本模式分量进行包络分析以提取故障信息.该方法利用经验模式分解来实现故障信息的有效分离,从而提高了诊断信号的信噪比.利用该方法对某齿轮箱轴承座振动信号进行经验模式分解,进而解调出高速轴转频这一调制频率,准确地诊断出该故障是由齿轮轴不对中所引起的,通过针对性的维修后,消除了故障,从而验证了该方法的有效性.     

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.     

基于阶次跟踪和经验模式分解的齿轮故障诊断

提出了一种研究旋转机械瞬态信号的分析方法.对齿轮箱加速时测得的原始振动信号进行角域重采样,并对角域里的信号进行经验模式分解(EMD)得到多个固有模式函数(IMF),最后对包含齿轮故障信息的IMF分量进行阶次谱分析.结果表明,阶次跟踪技术能够有效地避免传统频谱方法所无法解决的频率模糊现象,EMD方法能够提取包含故障信息的IMF分量,将两种方法相结合是对传统的频谱分析法的有力补充,具有很广阔的应用前景.     

一种基于EMD-BLS的三相整流电路故障诊断方法

针对三相整流电路的故障诊断,提出了一种基于经验模式分解和宽度学习系统相结合的三相整流电路故障诊断方法.首先利用经验模式分解方法对故障信号进行分解,提取基本模式分量的能量作为特征信号;然后再利用时间复杂度、低分类高精度的宽度学习系统建立故障诊断的分类模型,有效地完成三相整流电路的故障分类.实验结果表明,经验模式分解特征提...     

基于经验模式分解的齿轮箱振动辨识

论述了一种新的针对非线性非平稳信号的经验模式分解（EMD）方法，使用EMD方法对齿轮箱振动信号进行了辨识，并且与离散小波分解方法进行了对比，结果表明，通过EMD分解获得的齿轮箱振动内在模式分量（IMFs）能很好地辨识出齿轮的啮合振动模式，且比离散小波方法的分解效率更高；EMD分解的第3个IMF－IMF3清晰地表示出齿轮箱的第一级齿轮的216Hz的啮合振动模式。     

基于经验模态分解的核磁共振去噪方法研究

核磁共振（NMR）在孔隙结构评估和流体识别方面具有独特的优势,但NMR信号很容易受到噪声影响。根据NMR噪声的时域和频域特征,提出了基于一种经验模态分解（EMD）的NMR去噪方法。首先,利用EMD将信号由高频到低频分解为一系列的本征模态函数,以此分解噪声和噪声NMR信号,然后,使用曲线趋势法和改进的过零点率曲线确定信号噪声分离准则,将有用信号叠加到剩余项以获得去噪信号。通过岩芯数据和测井数据对比发现,基于EMD的去噪方法可以提高信噪比的同时保留孔隙结构信息,其去噪效果优于小波阈值和EMD小波阈值法,计算得到的孔隙度接近实际孔隙度。     

基于改进EMD方法的轨道不平顺时频分析

经验模态分解法(EMD)的端点效应是影响该方法精度的难点问题,结合端点效应的产生原理和现有研究成果,采用镜像闭合延拓法和灰色神经网络预测法相结合的方法对信号两端的包络进行延拓;通过对仿真信号和实际信号的分析表明,该方法可以有效抑制EMD方法的端点效应.利用改进的EMD方法对提速干线铁路和客运专线铁路实测轨道不平顺信号进行研究,结果表明:京广提速干线铁路样本段轨道不平顺存在着不同程度的短波和中长波不平顺,而武广高速铁路样本段轨道不平顺主要分布于中长波区段.改进EMD方法为保障铁路安全运营提供了一种新的途径.     

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.     

Improvement of the Mirror Extending in Empirical Mode Decomposition Method and the Technology for Eliminating Frequency Mixing

The mirror extending approach proposed by Zhao and Huang ^[9] in EMD method is improved in this paper.Mirror extending manner of data is kept unchanged,but the apprioach for determining envelopes is changed.When the end of data is obviously not extremum,the envelope is determined by the first inner extremum and the image value in the mirror,ignoring the value on the end.This improvement eliminates the frequency compression near the end and decreas the error.Meanwhile,tridiagonal equations are used and the calculation speed is much increased.The temporal process curve is more important in reflecting the real physical process and comparable with other phenomena,Frequency mixing in IMFs makes it impossible,A high frequency reconstruction (HFR) approach is proposed to eliminate common frequency mixing and reconstruct an IMF with all high frequency portions.By this approach,the IMFs without frequency mixing are obtained to express significative processes.The high frequency information restored in high frequency IMF can be extracted by general spectrum method,After obtainning IMFs by EMD method,some of the theoretical and technological issues still exist when using the IMFs.The consistency of IMFs with real physical process is discussed in detail.By virtue of the approach proposed in this paper,the EMD method can be widely used in various fields.