基于噪声辅助非均匀采样复数据经验模态分解的混沌信号降噪
鉴于非均匀采样复数据经验模态分解(NSBEMD)相对传统分解方法的优势和噪声的NSBEMD特性,提出了一种基于噪声辅助NSBEMD的混沌信号自适应降噪方法。该方法首先以含噪混沌信号和高斯白噪声分别为实、虚部来构造复数据并进行NSBEMD,然后根据虚部各IMF的能量来估算实部各IMF中包含的噪声能量,最后根据噪声能量的估计值对实部IMF进行奇异值分解(SVD)降噪。噪声估计实验验证了噪声能量估计方法的可行性,而Lorenz信号和太阳黑子月平均数的降噪实验则表明,相对于现有EMD降噪方法,本文方法能够进一步消除噪声,更清晰地恢复出混沌吸引子的拓扑结构。
非均匀采样复数据经验模态分解、噪声辅助、噪声能量估计
TN9;TM7
国家自然科学基金61372027资助的课题
2014-09-23(万方平台首次上网日期,不代表论文的发表时间)
共1页
170203-1-170203-9