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.     

应用自回归模型处理EMD方法中的边界问题

提出了一个\\"边筛分,边延拓"的边界处理方法,利用自回归(AR)模型对一个给定信号的两端进行延拓,较好地处理了经验模态分解(EMD)方法中的信号边界问题,实现了准确的EMD分解.     

基于EMD的高频地波雷达抑制射频干扰研究

提出了一种新的抑制射频干扰(RFI)方法,通过短时傅里叶变换找到干扰的时间位置,应用经验模态分解(EMD)方法,去除满足一定频域条件的射频干扰,达到在抑制射频干扰的同时,最大程度上保留有用信号的目的.实测数据分析表明:该方法在不损失有用信号的基础上有效抑制了射频干扰,且处理速度快,满足高频地波雷达(HFGW)实时工作要求.     

基于EMD的异常用电检测方法

异常用电行为的时频特性往往具有强随机不确定性,而固定参数相关的分析方法无法有效处理此类数据.为此,本文提出了一种基于经验模式分解(EMD)的异常用电检测方法.首先,针对用电数据的不同特点进行初步筛选,进而采用EMD方法对用户用电量和线损电量序列进行自适应分解,提取EMD分解所得高频分量,通过对其变化趋势和相关性进行分析...     

基于SVM短时交通流量预测

交通流量预测是智能交通系统中非常重要的研究领域,传统的预测方法在交通流量预测中有着非常广泛的应用.但是,在短时交通流量预测中,由于其影响因素错综复杂,传统的预测方法对于短时交通流量不能很好地进行预测.随着机器学习和数据挖掘各种理论的不断提出及完善,机器学习和数据挖掘与交通流量预测的结合是智能交通系统未来发展的一个重要方向.本文利用SVM (support vector machine)构建了短时交通流量预测模型,并利用遗传算法(genetic algorithm)对SVM的惩罚参数C和核参数σ进行优化,同时比较SVM中不同核函数,包括多项式核函数(polynomial kernel)和径向基核函数(RBF kernel)的预测效果.径向基SVM (RBF SVM)训练时间要比多项式SVM (polynomial SVM)短,预测准确率和精度也要比多项式SVM要好.从仿真结果上看,SVM非常适合应用于短时交通流量预测,能够取得很好的预测效果与精度.     

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.     

高频地波雷达射频干扰抑制研究

针对射频干扰与回波信息在幅度和频域分布上的不同特性,提出了一种改进的经验模态分解(EMD)算法.该方法首先对包含回波信息和射频干扰的原始信号乘以给定的高频信号,将其搬移至高频带,然后通过EMD将回波信息和射频干扰分解到不同的本征模态函数(IMF),在每个IMF中对高出阈值的干扰部分置零,最后将处理后的IMF相加重构信号,并搬移回原频带.达到在抑制射频干扰的同时,无损干扰位置处的回波信息.该方法处理速度快捷,满足雷达实时处理要求.实测数据验证表明:提出的算法改进了原始EMD算法的缺点,并且在不损失回波信息的基础上最大程度地抑制了射频干扰.     

利用经验模式分解提高短时傅立叶变换分辨率

短时傅立叶变换由于受Heisenberg测不准原理限制,时间分辨率和频率分辨率不可能同时达到最佳．在此利用经验模式分解(EMD)首先对原信号进行分解,将其分解为数阶内在模式函数(IMF),然后对这些内在模式函数进行短时傅立叶变换,从而使短时傅立叶分辨率得到提高．     

EMD近似熵与支持向量机在音频分类处理中的应用

将动物声音作为音频源,针对家养动物声音的非线性、非平稳特征和在现实条件下难以获取大量动物声音样本的实际情况,提出一种经验模态分解(EMD)近似熵(ApEn)结合支持向量机(SVM)的家养动物声音分类识别方法.通过EMD方法将非平稳的动物声音信号分解成若干个平稳的固有模态函数(IMF);对IMF进行筛选,计算所筛选IMF的近似熵构成特征向量;将特征向量输入SVM分类器进行分类识别.对家养动物声音样本按该方法进行测试,结果表明,该方法能有效提取声音特征,在小样本情况下也具有较高的精度和较强的泛化能力,该方法能有效地应用于动物声音的识别分类.     

基于EMD和ICA的感应电动机故障检测

针对感应电动机的转子断条故障和轴承故障,以定子电流信号为研究对象,结合经验模态分解(EMD)和独立分量分析(ICA)原理提出了一种新颖的故障检测方法.该方法首先对定子电流信号进行经验模态分解,去除高频IMF部分,消除噪声干扰;然后用独立分量分析的方法进行特征提取,进而判断故障类型.仿真试验结果表明,该方法用于感应电动机故障诊断是行之有效的.