10.13465/j.cnki.jvs.2017.17.006
改进EEMD方法及混沌降噪应用研究
在总体平均经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)降噪过程中,对本征模态分量(Intrinsic Mode Function,IMF)的有效处理一直是影响降噪效果的关键.为此,提出一种基于改进EEMD的去噪方法.基于“3σ”法则和奇异值分解(Singular Value Decomposition,SVD)提取第一个IMF分量中有用信号细节.利用连续均方误差准则对剩余IMF分量进行高低频区分,分别使用SVD和S-G算法提取高低频分量的有用信号,可以有效避免了高频部分有用信号的流失,同时剔除低频分量中的部分噪声,克服了EEMD去噪时IMFs难以有效处理的不足.为了验证该方法的有效性,进行了数字仿真与双势阱混沌振动试验,结果表明,该方法的降噪效果优于小波加权和EEMD去噪方法.
总体平均经验模态分解、混沌信号、奇异值分解、降噪、S-G滤波
36
TN911
国家自然科学基金51579242,51179197;国家自然科学基金青年基金51509253;海军工程大学科研基金425517K143
2017-12-01（万方平台首次上网日期，不代表论文的发表时间）
共7页
35-41
