基于EEMD和伪信号技术的涡街信号处理方法

发布时间：2018-05-06 22:18

  本文选题：希尔伯特-黄变换(HHT) + 经验模态分解(EMD)　； 参考：《合肥工业大学学报(自然科学版)》2017年11期

【摘要】：针对深海水平流涡街信号的微弱性、低频性,易被噪声淹没难以提取的特点,文章提出一种基于整体经验模态分解(ensemble empirical mode decomposition,EEMD)和伪信号技术的消噪方法。通过分析经过EEMD分解及希尔伯特变换(Hilbert transform,HT)后信号的时频特性,确定组成信号的主要两阶固有模态参数(intrinsic mode functions,IMF),结合双伪信号技术进一步处理后识别信号频率。模拟实验与仿真结果对比表明,该方法能有效提高信号的抗干扰能力,精确估计涡街信号频率。
[Abstract]:Aiming at the characteristics of weak, low frequency and easy to be inundated by noise in deep sea horizontal flow vortex signals, this paper presents a denoising method based on global empirical mode decomposition (EMD) and pseudo-signal technology. By analyzing the time-frequency characteristics of the signal after EEMD decomposition and Hilbert transform (HHT), it is determined that the two order intrinsic modal parameters of the signal are intrinsically mode functionsn IMF, and the frequency of the signal is further identified by combining the double pseudo-signal technique. The comparison of simulation results and simulation results shows that the proposed method can effectively improve the anti-jamming ability of the signal and accurately estimate the frequency of vortex signal.
【作者单位】： 合肥工业大学机械工程学院;
【基金】：国家自然科学基金资助项目(41076061;51279044)
【分类号】：TN911.7

【相似文献】

相关期刊论文 前4条

1 苏亮;王肖芬;;基于提升格式小波变换的涡街信号处理方法[J];计算机与数字工程;2011年12期

2 史风栋;李小京;;微弱涡街信号的多重互相关提取方法[J];信息与控制;2014年02期

3 戴华平;沈非凡;钱嘉伟;黄满金;;高精度DSP涡街信号处理方案[J];自动化仪表;2013年03期

4 秦娜;金炜东;黄进;李智敏;刘景波;;基于EEMD样本熵的高速列车转向架故障特征提取[J];西南交通大学学报;2014年01期

相关硕士学位论文 前2条

1 曾瑶;基于多传感器信息融合的涡街信号处理方法研究[D];浙江大学;2016年

2 王少君;基于EEMD的滚动轴承微弱故障特征提取方法研究[D];石家庄铁道大学;2016年

，

本文编号：1854148