基于吸引子SVD降噪的改进EMD法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    基于经验模式分解(empirical mode decomposition,简称EMD)分解出的基本模式分量往往会 因为原始数据中的一些异常数据和高频噪声而丧失明确的物理意义。因此,提出了一种基于系统重构吸引子奇异值分解(singular value decomposition,简称SVD)降噪 的EMD分解方法。在改进方法中, 原始信号经SVD降噪后分解出了原信号中的有用成分 和冗余成分,对有用成分进行EMD分解可以减少原信号中冗余成分对EMD分解能力的干扰, 提高EMD分解能力,使得分解出的基本模式分量更加具有实际意义,更加有利于特征的提取 。

    Abstract:

    The intrinsic mode functions (IMFS) decomposed by empirical mode decomp osition (EMD) method often lose their physics meanings because of the abnormald ata and the noise. An improved EMD method based on singular value decomposition (SVD) denoising of the attractor is presented. The signal noise ratio (SNR) is increased and the decomposed component will obtain its physics meaning. The origi nal signal is denoised by SVD and the useful and the redundant parts are obtained. The useful parts are decomposed by EMD method, so the interference of the red undant part was reduced. An example demonstrates that the improved method is eff ective.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2008-11-25
  • 最后修改日期:2009-04-03
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
您是第位访问者
振动、测试与诊断 ® 2024 版权所有
技术支持:北京勤云科技发展有限公司