黎恒
- 作品数：3 被引量：18H指数：2
- 供职机构：西安电子科技大学机电工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：电子电信机械工程自动化与计算机技术更多>>
- 基于高阶微分的EMD均值计算方法被引量：2
- 2015年
- 为了改善经验模态分解的分离性能,提出一种基于信号高阶微分的分解算法.本文首先讨论了经验模态实现模态分离的必要条件,并证明对输入信号进行偶数阶数值微分可以提高模态分离性能.然后在此基础上提出一种以偶数阶微分的过零点为特征的均值计算方法.最后对仿真信号的分解进行了实验研究.结果表明,本文方法可以改善分离性能,性能提高的程度与理论分析结果符合;与经验模态分解相比,本文方法具有更高的分解精度.
- 黎恒李智
- 关键词：经验模态分解数值微分时间序列分析
- 低采样率下经验模态分解性能提升研究被引量：3
- 2016年
- 经验模态分解(EMD)使用信号极值点的位置和取值信息进行分解,对采样率有较高的要求。针对EMD在低采样率下性能降低的现象,提出一种基于B样条拟合的信号局部均值计算方法。首先提取信号极值点出现的时刻作为尺度,然后通过对极值点时刻进行重新采样构造B样条节点,最后应用B样条最小二乘拟合方法直接计算局部均值。与EMD方法相比,该方法不需要信号极值点的准确位置和取值,因此不容易受到低采样率的影响。对平稳信号和非平稳信号的仿真结果表明,该方法能在接近奈奎斯特频率的低采样率下获得较高的性能。与基于插值的解决方案相比,该方法的分离性能更好。
- 黎恒李智莫玮
- 关键词：经验模态分解信号分解时频分析
- 噪声干扰环境下抑制EMD模态混叠方法被引量：13
- 2015年
- 经验模态分解(EMD)作为时频分析的经典算法,已经得到广泛的应用。然而,其分解质量容易受到噪声等干扰的影响,产生模态混叠问题。本文针对经验模态分解中因噪声存在的模态混叠问题,提出一种自适应的预处理方法。首先对输入信号进行B样条最小二乘拟合,消除了噪声的影响后,再进行EMD分解。为提高算法的自适应性,提出了一种基于极值点出现时刻的节点选取方法。对线性信号与非线性信号的仿真实验表明该方法有较高的分解精度;与聚合经验模态分解方法(EEMD)的分析对比结果表明该方法能很好地抑制噪声引起的模态混叠。
- 黎恒李智莫玮张绍荣
- 关键词：经验模态分解时频分析信号分解
