基于多尺度极值的一维信号趋势项快速提取方法研究
现有1维信号趋势项提取算法效率低、并且缺乏适应性和灵活性.该文提出基于多尺度极值的1维信号趋势项快速提取方法,充分利用时间序列信号极值点信息,建立信号极值点的二叉树结构,避免了传统经验模式分解(EMD)方法逐层筛选求取内蕴模式函数(IMF)分量的耗时过程,在获得与现有方法趋势项提取精度相当的情况下,极大地提高了计算速度,并且可以直接提取不同层次的趋势.仿真和实际数据实验结果表明:与传统EMD趋势分解方法和趋势滤波方法相比较,计算速度可提高1到2个数量级.
信号处理、趋势项、多尺度极值、多分量信号、经验模式分解
TN911.7
2013-05-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
1208-1214