10.13465/j.cnki.jvs.2017.04.037
完全互补小波噪声辅助集总经验模态分解
经验模态分解(EMD)是一种自适应非线性非平稳数据处理方法。噪声辅助的 EMD 方法能克服 EMD 方法在处理间歇信号时出现的“模态混叠”现象。在这些噪声辅助方法中,互补集总经验模态分解(CEEMD)和完全噪声辅助噪声集总经验模态分解(CEEMDAN)恢复了 EMD 分解的完整性。在现有分析方法上提出了完全互补小波噪声辅助集总经验模态分解(CCWEEMDAN)算法。该算法能用更小的集总数、更少的迭代次数和极小的计算消耗获得更好的光谱分离效果和数目较少的筛选模态。
经验模态分解、集合经验模态分解、噪声辅助、模态混叠、互补集总经验模态分解
36
U211;U270(铁路线路工程)
国家自然科学基金项目61134002;51305358
2017-03-20(万方平台首次上网日期,不代表论文的发表时间)
共11页
232-242