搜索结果: 1-8 共查到“信息与通信工程 经验模态分解”相关记录8条 . 查询时间(0.12 秒)
中国科学院合肥物质科学研究院专利：基于经验模态分解的激光雷达信号处理方法
为了更有效地提取滚动轴承各状态振动信号的特征，该文提出了一种基于集合经验模态分解(EEMD)的敏感固有模态函数(IMF)选择算法。该算法对振动信号经EEMD分解后得到的固有模态函数采用峭度值、相关系数相结合的方法自动提取其敏感分量，以此获得振动信号的初始特征。再运用奇异值分解和自回归(AR)模型方法得到滚动轴承各状态振动信号的特征向量，并将其输入到改进的超球多类支持向量机中进行智能识别，从而实现滚...
基于延拓与可变余弦窗的经验模态分解改进算法研究
信号处理 经验模态分解 边界效应 可变余弦窗
2014/8/1
针对经验模态分解(Empirical Mode Decomposition，EMD)中存在的边界效应及边界发散现象随着筛选层次的增加而增加的问题，提出一种利用延拓与可变余弦窗相结合的改进新方法。首先对信号进行延拓处理，增加一定长度的数据，实现延拓数据与原始信号交界处的光滑过度。其次，根据信号边界的发散程度，在逐层提取各阶本征模函数（Intrinsic Model Function，IMF）之前，在...
为有效解决现有单一模型编码器无法在中低速率对语音和音频信号进行高质量通用编码的问题，本文借助语音与音频信号的谐波特性，建立了一种对语音和音频信号统一编码的方法。首先，本文利用经验模态分解(Empirical Mode Decomposition, EMD)提取输入信号的谐波成分；其次，利用感知匹配追踪算法，并结合正弦参数建模对谐波成分进行参数提取与量化；第三，对于量化谐波后的残差进行抖动格型矢量量...
经验模态分解(Empirical Mode Decomposition, EMD)是一种具有较大应用潜力的去噪算法.目前,该算法存在的一个较大问题是过渡内蕴模态函数(Intrinsic Mode Function, IMF)中混叠噪声不能有效处理.过渡内蕴模态函数中混叠噪声不易剔除,限制了该算法的应用.本文针对此问题,通过研究过渡IMF的特点,首次提出一种有效去除过渡IMF中混叠噪声的方法.该方法...
基于经验模态分解的光纤陀螺随机序列平稳化处理
光纤陀螺 经验模态分解 逆序法 自回归模型
2014/4/28
采用AR模型等时间序列分析方法对光纤陀螺随机误差进行建模前需要对传感器输出序列进行平稳化检验和处理。引入一种新的信号处理方法——经验模态分解法，对低精度光纤陀螺输出序列进行平稳化处理，采用逆序法检验平稳化处理的效果，引入偏态和峰态系数对随机系列进行正态性检验。实验表明：经验模态分解法不仅能有效去除陀螺输出信号的趋势项，还能提高信号的正态性。处理后的信号可以采用AR模型进行建模。
一种改进型经验模态分解及其在信号消噪中的应用
经验模态分解 有色高斯噪声 信号消噪
2010/2/23
针对非线性非平稳信号的消噪问题, 基于经验模态分解提出一种模态单元滤波新方法. 该方法将经验模态分解的内模函数中两个相邻过零点之间的信号定义为模态单元, 并以之作为基本分析对象, 通过对模态单元振幅的阈值处理来判断模态单元的类型, 进而建立模态单元滤波模型. 分析了经验模态分解法在分解不同Hurst指数分形高斯噪声时模态振幅的演化规律, 并建立了一种用于高斯消噪的阈值选取规则. 为验证本文方法的有...