首页 | 官方网站   微博 | 高级检索  
     

基于ICA算法的集合经验模态分解去噪方法
引用本文:周先春,嵇亚婷,孙文荣.基于ICA算法的集合经验模态分解去噪方法[J].软件,2014(7):13-17.
作者姓名:周先春  嵇亚婷  孙文荣
作者单位:南京信息工程大学电子与信息工程学院,江苏南京,210044
基金项目:国家自然科学基金项目,教育部高等学校博士学科点专项科研基金项目,江苏省“传感网与现代气象装备”优势学科建设项目、江苏省自然科学基金,江苏省高校自然科学研究项目
摘    要:针对非线性非平稳信号的去噪问题,提出了一种基于独立分量分析(Decomposition Components Analysis,简称ICA)算法的集合经验模态分解去噪方法。首先利用白噪声辅助数据分析方法——集合经验模态分解(Ensemble Empirical Mode Decomposition,简称EEMD)有效的抑制了经验模态分解(Empirical Mode Decomposition,简称EMD)中存在的端点效应和模态混叠现象,然后利用ICA算法对含噪信号经过EEMD分解后的有限个固有模态函数(Intrinsic Mode Function,简称IMF)进行去噪处理,有效的分离出若干个有效的语音信号分量,并对其进行语音重构,最后与小波阈值去噪方法进行比较,通过仿真可以看出,该方法对于信号去噪较为理想。

关 键 词:小波阈值去噪  EEMD  端点效应  ICA

Methods based on EEMD-ICA in signal de-noising
Zhou Xian-chun,Ji Ya-ting,Sun Wen-rong.Methods based on EEMD-ICA in signal de-noising[J].Software,2014(7):13-17.
Authors:Zhou Xian-chun  Ji Ya-ting  Sun Wen-rong
Affiliation:Zhou Xian-chun;Ji Ya-ting;Sun Wen-rong;College of Electronic and Information Engineering,NUIST;
Abstract:
Keywords:EMD  EEMD  end effect  ICA
本文献已被 维普 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号