Comparative analysis of temperature and CO2 fluxes for winter wheat in Tibetan Plain and North China Plain using the EMD method

Comparative study of spectral properties of temperature and CO₂ fluxes measured by eddy covariance method at Yucheng (36°57′N, 116°36′E, 28 m a.s.l., in the North China Plain) and at Lhasa (29°41′N, 91°20′E, 3688 m a.s.l., on the Tibetan Plateau) is described using the empirical mode decomposition (EMD) method. The main results are: (1) The intrinsic oscillation modes or intrinsic mode functions (IMFs) were extracted from data of temperature (T) and CO₂ fluxes (F) measured at Yucheng (T₁ and F₁) and Lhasa (T₂ and F₂). (2) Hilbert transform was applied to these IMF components, then the Hilbert-Huang spectra and the marginal spectra of these data were obtained. (3) Comparison of temperature and CO₂ fluxes in North China Plain and on Tibetan Plain illustrated that the characteristic frequencies corresponding to T₁, F₁, T₂ and F₂ are 0.05 Hz, 0.03 Hz, 0.014 Hz and 0.005 Hz, respectively.     

Comparative analysis of temperature and CO2 fluxes for winter wheat in Tibetan Plain and North China Plain using the EMD method

Comparative study of spectral properties of temperature and CO₂ fluxes measured by eddy covariance method at Yucheng (36°57′N, 116°36′E, 28 m a.s.l., in the North China Plain) and at Lhasa (29°41′N, 91°20′E, 3688 m a.s.l., on the Tibetan Plateau) is described using the empirical mode decomposition (EMD) method. The main results are: (1) The intrinsic oscillation modes or intrinsic mode functions (IMFs) were extracted from data of temperature (T) and CO₂ fluxes (F) measured at Yucheng (T₁ and F₁) and Lhasa (T₂ and F₂). (2) Hilbert transform was applied to these IMF components, then the Hilbert-Huang spectra and the marginal spectra of these data were obtained. (3) Comparison of temperature and CO₂ fluxes in North China Plain and on Tibetan Plain illustrated that the characteristic frequencies corresponding to T₁, F₁, T₂ and F₂ are 0.05 Hz, 0.03 Hz, 0.014 Hz and 0.005 Hz, respectively.     

基于经验模态分解的上证综合指数时间序列分析

采用经验模态分解(empirical mode decomposition,EMD)方法对上证综合指数(Shanghai composite index,SCI)进行研究,将其分解为多个内模函数(intrinsic mode functions,IMFs)和剩余项之和.通过对各阶内模函数进行基本统计分析和分布拟合,发现其"尖峰厚尾"的特点基本服从自由度为3的t分布.通过对各阶内模函数进行周期性分析,揭示各阶模态间不同的波动信息,并得到周、月、半年等时间尺度股指的波动特点,以及典型上涨和下跌时段的波动周期和波动特点.     

液压挖掘机反铲切削过程振动信号去噪处理

针对小波包频带能量分解和Hilbert-Huang变化在信号的去噪研究中的优势,对比2种方法在液压挖掘机反铲切削过程中振动信号去噪的准确度.以液压挖掘机工作装置的振动信号为例,利用小波包频带能量分解算法与Hilbert-Huang变化算法分别对振动信号进行重构.其中,Hilbert-Huang变换首先是对振动信号通过经验模态分解(empirical mode decomposition,EMD)得到IMF分量;然后,对IMF分量进行Hilbert谱分析,得到IMF分量的能量特征,选择有用的IMF分量进行信号重构,从而消除噪音信号的干扰.研究结果表明:与小波包频带能量分解方法相比, Hilbert-Huang变换的液压挖掘机反铲切削过程振动的重构信号更加接近真实信号.     

基于HHT的线性调频信号分析与参数估计

基于Hilbert-Huang变换(HHT),提出一种有效的线性调频(LFM)信号的分析与参数估计的方法.首先对LFM信号进行HHT得到其Hilbert谱,并根据能量的准则提取其中的主成分,完成LFM信号分析.对利用能量型主成分提取法得到的LFM信号主成分进行最小二乘直线的拟合,计算直线的斜率与截距,得到LFM信号的参数的估计值.实验证明,能量型主成分提取方法,在较高的信噪比范围内具有一定的LFM信号估计效果.     

Analysis of the characteristics of gastrointestinal motility based on Hilbert-Huang transform method

Pressure activity data as an important index of gastrointestinal (GI) motility can be obtained from the wireless radiotelemetry capsule. The Hilbert-Huang transform (HHT) method, which is more effective to process non-stationary signal, is proposed to identify the characteristics of GI motility. We decompose the pressure activity data into intrinsic mode functions (IMFs),calculate the Hilbert marginal spectrum and attain the peristalsis characteristics of GI tract. The IMFs represent the peristalses modes of GI tract activity embedded in the pressure data. The time-varying characteristic of the method suggests that the HHT is suitable to accommodate other non-stationary biomedical data analysis.     

EMD端点效应处理方法的研究

经验模态分解(EMD)过程中存在着端点效应问题,使得EMD分解结果产生严重的失真现象,从而导致处理数据发生畸变.提出了将极值点对称延拓和在信号序列上加窗函数相结合的方法,带入到EMD分解过程中,以抑制信号被分解时在端点附近所产生的上下包络线的发散现象.结果表明,该方法较好地解决了信号失真问题.     

基于EEMD分解的欧洲温度序列的多尺度分析

利用EEMD方法对欧洲5个站大于 150年逐日温度序列进行分解, 分析了欧洲温度序列的低频变化、年循环及季节变化。结果表明: 欧洲5站温度低频变化均存在明显的特征时间尺度, 即年际、年代际和世纪尺度等; 年循环强度在1910?1940年及1970年年末以后的两个暖期里均处于偏弱的状态, 尤其是最近30年里年循环强度减弱趋势更加明显; 此外, 与1910?1940年相比, 在20世纪70年代末以来的暖期里, 夏季更长, 冬季更短。     

基于多普勒效应的单声源速率测定算法研究

应用多普勒效应原理,实现了对固定频率、匀速运动的单声源的速率测定.利用MATLAB拟合了固定传感器接收到的该声源运动时的声音信号,用Hilbert变换得到了该信号的瞬时频率,并以离散时间域的多普勒效应为目标函数,采用非线性最小二乘拟合得到其速率.算法采用小波分析及经验模态分解(EMD)方法分别对原始声音信号和瞬时频率进行去噪.实验结果表明,该算法精度较高,是一种可行的方法.     

抑制EMD端点效应方法的研究

基于经验模态分解的Hilbert-Huang变换在分解过程中产生端点效应,使得信号两端点附近出现失真问题,提出对端点效应进行抑制的多种方法. 对全局统计平均法、平行线段延拓极值法、多项式拟合法、镜像延拓法、神经网络延拓法等抑制方法进行对比研究. 仿真和实验结果表明,端点效应得到有效抑制,Hilbert-Huang变换的分析性能得到改善.     

希尔伯特-黄变换谱及其在地震信号分析中的应用

介绍了希尔伯特-黄变换(HHT)这一非线性、非平稳信号处理方法,并利用HHT处理了地震工程中常用的ElCentro地震波,得到了该信号的Hilbert谱、边际谱和能量谱,提取了该信号的主要动力特性,并与该信号的Fourier分析结果进行了对比,显示出HHT这一方法的优越性.     

基于小波分析和EMD的手写阿拉伯数字字符特征表示

经验模态分解(EMD)能有效地对信号结构做出精确的分辨, 利用这一特点本文提出了一种基于小波变换和EMD的票据手写体数字特征抽取方法。 通过对原始数字字符进行G小波变换极大模预处理,得到能反应字符特征信息的光滑轮廓, 进而对规范轮廓曲率序列作EMD分解,以获取浓缩曲率特征的主要信息,最后对此曲率特征数据进行聚类分析。 实验表明,与经典的字符特征提取算法相比,本文方法具有更好的聚类效果,提高了分类器的分类设计能力。     

一种新的超声无损检测回波信号的识别方法

由于超声回波信号受到噪声干扰或者到达时间混叠,故超声无损检测信号很难鉴别缺陷的大小.文中提出一种新的超声回波信号到达时间的识别方法.该方法首先把原始采集的回波信号进行经验模态分解,得到若干个固有模态函数,通过确定能量临界值,选择几个固有模态函数重构信号,重构信号的峰值包络表明了各个回波信号的到达时间.由衍射时差法(TOFD)实验信号验证了该方法的可行性及准确性.实验结果表明,可以识别的最小时间间隔为0.1μs,平均误差为80 ns.     

经验模态分解的理论研究及应用

 经验模态分解(EMD)算法是一种崭新的能够自适应地处理非平稳信号的时频分析方法。在介绍EMD 算法概念的基础上,总结了EMD 算法理论方面的研究进展,比较了不同改进算法的优劣。介绍了EMD 算法在工程中的应用,指出了EMD 算法的研究趋势。     

基于改进的集合经验模态分解的爆破振动信号趋势项消除方法

针对实测爆破振动信号中存在的趋势项干扰问题,基于改进的集合经验模态分解,提出一种趋势项消除方法,并进行了模拟信号的仿真计算和爆破振动信号的实例分析.信号仿真计算结果显示:对于持续振动信号,该方法的趋势项提取结果与已有的基于经验模态分解或集合经验模态分解的趋势项消除方法较为接近;但当测试信号呈间歇振动时,该方法对趋势项的提取更为充分,体现了其对分段爆破振动信号中趋势项消除的优越性和适用性.同时,爆破振动速度信号的实例分析验证了该方法在实际应用过程中的可靠性.      

一种非线性非平稳时间序列预测建模方法

提出了一种基于经验模式分解和支持向量回归的非线性、非平稳时间序列预测建模方法.首先,针对时间序列的非平稳特征,通过经验模式分解将其分解为若干个本征模式分量,使其中每个分量均成为平稳序列;其次,对每个本征模式分量,基于支持向量回归建立相应的平稳时间序列预测模型;最后,再一次利用支持向量回归对这些预测模型进行非线性组合,得到非线性、非平稳时间序列的预测模型.仿真实验和工程应用均表明,所提的预测建模方法与传统的基于支持向量回归的建模方法相比,具有较高的精度,说明该方法对于非线性、非平稳时间序列的预测是有效的.     

基于总体经验模态分解的水文序列多尺度分析

为解决模态混叠问题,将总体经验模态分解方法应用于水文时间序列的多尺度研究中.将白噪声加入原始序列,经过总体经验模态分解后得到固有模态函数,通过对结果进行显著性检验并最终得到水文时间序列主要振荡周期、中心频率、平均振幅等信息.通过对黄河三门峡水文站实测天然年径流序列进行分析,发现总体经验模态分解能够较好地解决模态混叠现象...     

基于自适应变分模态分解的佤语孤立词共振峰估计

基于变分模态分解算法实现对语音共振峰的提取,针对其存在共振峰合并和虚假峰值2个主要问题,通过对分解模态数、平衡约束参数的分析,提出了自适应变分模态分解法.并从的正交性、能量保存度2个方面证明了该方法的可行性;最后,利用该方法实现对佤语共振峰的估计.实验结果表明,基于自适应变分模态分解对佤语孤立词的共振峰估计平均正确率可达85.50%.     

Improvement of the Mirror Extending in Empirical Mode Decomposition Method and the Technology for Eliminating Frequency Mixing

The mirror extending approach proposed by Zhao and Huang ^[9] in EMD method is improved in this paper.Mirror extending manner of data is kept unchanged,but the apprioach for determining envelopes is changed.When the end of data is obviously not extremum,the envelope is determined by the first inner extremum and the image value in the mirror,ignoring the value on the end.This improvement eliminates the frequency compression near the end and decreas the error.Meanwhile,tridiagonal equations are used and the calculation speed is much increased.The temporal process curve is more important in reflecting the real physical process and comparable with other phenomena,Frequency mixing in IMFs makes it impossible,A high frequency reconstruction (HFR) approach is proposed to eliminate common frequency mixing and reconstruct an IMF with all high frequency portions.By this approach,the IMFs without frequency mixing are obtained to express significative processes.The high frequency information restored in high frequency IMF can be extracted by general spectrum method,After obtainning IMFs by EMD method,some of the theoretical and technological issues still exist when using the IMFs.The consistency of IMFs with real physical process is discussed in detail.By virtue of the approach proposed in this paper,the EMD method can be widely used in various fields.     

基于MEMD的运动想象脑电信号的特征提取与分析

对于传统特征提取算法对运动想象脑电信号识别能力不足的问题,采用多元经验模式分解(multivariate empirical mode decomposition,MEMD)的方法用于分析运动想象的脑电信号.目前此方法主要应用在股票收益与宏观经济关系分析上,MEMD将标准经验模式拓展到多通道信号处理,适合于分析多元时间序列,并能够同时处理多通道的多尺度分解,进而在不同尺度下对多元时间序列的时间频率特性进行比较.通过Emotiv传感器对自定义的左右运动想象任务采集数据,采用MEMD提取相关脑电特征的边际谱,使用支持向量机对相关特征量进行分类.实验表明,此方法增强了定位脑电信号的频率信息的准确性,能够有效地提高对脑电信号的识别能力.