基于EEMD和模糊阈值的去噪方法

发布时间：2018-01-08 17:16

本文关键词：基于EEMD和模糊阈值的去噪方法　出处：《计算机工程与科学》2017年04期 　论文类型：期刊论文

【摘要】：为了提高EEMD分解中噪声主导模态的去噪效果,利用模糊隶属度的优势,提出了一种EEMD和模糊阈值相结合的去噪方法。首先用二范数计算各个本征模态函数(IMF)与观测信号的概率密度函数(PDF)之间的相似度,得到噪声主导的IMF;然后对噪声主导的IMF进行模糊阈值处理,以去除IMF中的噪声;最后将所有的IMF重构得到消噪信号。分别采用仿真信号和ECG信号进行去噪实验,结果均表明,所提方法的去噪效果整体上优于小波半软阈值方法和基于EMD的间隔阈值(EMD-IT)方法。
[Abstract]:In order to improve the de - noising effect of the noise - dominant mode in EEMD decomposition , a denoising method combining EEMD and fuzzy threshold is proposed by using the superiority of fuzzy membership degree . First , the noise - dominated IMF is obtained by calculating the similarity between each eigenmode function ( IMF ) and the probability density function ( PDF ) of the observation signal by using the two - norm . Then , the noise - dominated IMF is processed to remove noise in the IMF ; and finally , all the IMF reconstructed signals are de - noising . The results show that the denoising effect of the proposed method is superior to the wavelet semi - soft threshold method and the EMD - based interval threshold ( EMD - IT ) method .

【作者单位】：湖南大学电气与信息工程学院;
【基金】：中央国有资本经营预算项目(财企[2013]470号) 中央高校基本科研项目(2014-004) 国家自然科学基金(61172089) 湖南省科技计划项目(2014WK3001) 中国博士后科研基金(2014M562100) 湖南省科技计划重点项目(2015JC3053)
【分类号】：TN911.4
【正文快照】： 1引言从实测信号中准确提取真实信号依然是信号处理和统计中具有挑战性的问题,人们希望在去除噪声的同时能够存留信号的重要特征[1]。目前常用的非平稳信号的去噪方法有基于小波分解的阈值法与基于聚合经验模态分解EEMD(EnsembleEmpirical Mode Decomposition)[2]的去噪方法。

【相似文献】