采用支持向量回归抑制噪声的经验模态分解方法

摘要：

在实际信号分解中，经验模态分解( EMD)是对噪声敏感的，往往会分离出一些虚假的本征模函数，对信号的分析产生一定影响。为了提高EMD分解的正确率，减少其出现虚假本征模函数的情况，文中提出了一种基于支持向量回归( SVR)的去噪方法。先对一次EMD分解结果进行SVR逐层滤波并且对信号进行重组，然后利用EMD方法对重组信号进行二次分解。实验表明，二次分解结果已经非常接近于理想的分解结果，不会出现虚假IMF。这种分解方法对噪声不敏感，能有效提高EMD方法对噪声的容忍度。

关键词：信号处理、经验模态分解、支持向量回归、噪声抑制

分类号：TN911.7

资助基金：江苏省自然科学基金BK2011789;东南大学毫米波国家重点实验室开放课题K201318

在线出版日期：2014-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：122-126