改进EEMD方法及混沌降噪应用研究

发布时间：2018-05-22 12:58

  本文选题：总体平均经验模态分解 + 混沌信号　； 参考：《振动与冲击》2017年17期

【摘要】：在总体平均经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)降噪过程中,对本征模态分量(Intrinsic Mode Function,IMF)的有效处理一直是影响降噪效果的关键。为此,提出一种基于改进EEMD的去噪方法。基于“3σ”法则和奇异值分解(Singular Value Decomposition,SVD)提取第一个IMF分量中有用信号细节。利用连续均方误差准则对剩余IMF分量进行高低频区分,分别使用SVD和S-G算法提取高低频分量的有用信号,可以有效避免了高频部分有用信号的流失,同时剔除低频分量中的部分噪声,克服了EEMD去噪时IMFs难以有效处理的不足。为了验证该方法的有效性,进行了数字仿真与双势阱混沌振动试验,结果表明,该方法的降噪效果优于小波加权和EEMD去噪方法。
[Abstract]:In the process of Ensemble Empirical Mode decomposition (EEMD) denoising, the effective processing of intrinsic Mode function (IMF) is the key to the effect of noise reduction. For this reason, a denoising method based on improved EEMD is proposed. Based on the "3 蟽" rule and singular Value decomposition (SVD), the useful signal details of the first IMF component are extracted. The continuous mean square error criterion is used to distinguish the high and low frequency of the remaining IMF components, and the SVD and S-G algorithms are used to extract the useful signals of the high and low frequency components, which can effectively avoid the loss of the high frequency partial useful signals. At the same time, some noises in low frequency components are eliminated, which overcomes the disadvantage that IMFs is difficult to deal with effectively in EEMD denoising. In order to verify the effectiveness of this method, digital simulation and double potential well chaotic vibration experiments are carried out. The results show that the noise reduction effect of this method is better than that of wavelet weighted and EEMD de-noising methods.
【作者单位】： 中国人民解放军91404部队;海军工程大学动力工程学院;
【分类号】：TN911.7

【相似文献】

相关会议论文 前10条

1 秦毅;秦树人;毛永芳;;正交经验模态分解及其快速实现[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

2 秦毅;秦树人;毛永芳;;正交经验模态分解及其快速实现[A];第九届全国振动理论及应用学术会议论文集[C];2007年

3 杨永锋;;经验模态分解与非线性分析的协同研究[A];第四届全国动力学与控制青年学者研讨会论文摘要集[C];2010年

4 侯文文;邹俊忠;刘未来;;基于经验模态分解的眼电伪差去除研究[A];上海市化学化工学会2010年度学术年会论文集（自动化专题）[C];2010年

5 李关防;许春雷;惠俊英;;基于经验模态分解的特征提取算法研究[A];中国造船工程学会电子技术学术委员会2011年海战场电子信息技术学术年会论文集[C];2011年

6 薛志宏;李广云;周蓉;;一种基于经验模态分解的信号降噪方法[A];全国工程测量2012技术研讨交流会论文集[C];2012年

7 张飞涟;刘严萍;;经验模态分解与神经网络方法在降水预测领域的应用研究[A];中国系统工程学会第十八届学术年会论文集——A01系统工程[C];2014年

8 康春玉;章新华;;一种基于经验模态分解的信号降噪方法[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

9 辛鹏;辛雷;蔡国伟;李晓琦;;一种基于经验模态分解与支持向量机的电力系统短期负荷预测新方法[A];第十一届全国电工数学学术年会论文集[C];2007年

10 郝文峰;骆英;顾建祖;;基于经验模态分解-支持向量机的玻璃幕墙开胶损伤预测研究[A];中国力学学会学术大会'2009论文摘要集[C];2009年

相关博士学位论文 前10条

1 黎恒;经验模态分解中关键问题的优化理论与方法研究[D];西安电子科技大学;2016年

2 张婷琳;从局部到全局脑电感知模式的研究[D];浙江大学;2017年

3 葛光涛;二维经验模态分解研究及其在图像处理中的应用[D];哈尔滨工程大学;2009年

4 孙晖;经验模态分解理论与应用研究[D];浙江大学;2005年

5 张继红;经验模态分解及径向基函数的一些应用研究[D];大连理工大学;2012年

6 熊卫华;经验模态分解方法及其在变压器状态监测中的应用研究[D];浙江大学;2006年

7 杨贤昭;基于经验模态分解的故障诊断方法研究[D];武汉科技大学;2012年

8 高静;经验模态分解的改进方法及应用研究[D];北京理工大学;2014年

9 陈志刚;经验模态分解与Savitzky-Golay方法的自适应遥感影像融合[D];华东师范大学;2010年

10 周义;快速二维经验模态分解和相位追踪方法及其在导波无损检测中的应用[D];上海交通大学;2014年

相关硕士学位论文 前10条

1 史玉君;基于经验模态分解的眼电伪迹去除方法的研究[D];兰州大学;2015年

2 梁江海;基于经验模态分解的通信信号细微特征分析[D];国防科学技术大学;2013年

3 赵强;基于EMD的齿轮故障诊断技术研究[D];东北石油大学;2015年

4 熊伟;试车台振动测试系统的关键技术研究[D];河南工业大学;2015年

5 杨U唝~;基于经验模态分解的城市供水水质异常事件检测方法研究[D];浙江大学;2016年

6 郭学雯;利用经验模态分解方法研究新型热中子探测器数据周期性[D];河北师范大学;2016年

7 杨勤甜;基于经验模态分解和粗糙集属性约简的超声缺陷信号分类识别研究[D];南昌航空大学;2016年

8 李超;透平机组故障特征提取技术研究与系统开发[D];天津工业大学;2016年

9 卢丹丹;基于EEMD的CPI与PPI关系的结构分析及传导机制研究[D];暨南大学;2016年

10 邹志国;基于经验模态分解的多分量信号分析方法研究[D];哈尔滨工业大学;2016年

，

本文编号：1922169