抑制EMD端点效应的改进算法研究

经验模态分解(EMD)是处理非线性非平稳信号的有效方法,但是在分解过程中存在端点效应,导致数据处理发生畸变,信号会失真。文章在平行延拓算法上改进了抑制EMD端点效应的算法-平行极值均值延拓。文章在平行延拓算法上进行极值平均后延拓,经仿真的分析结果表明,算法能够有效地抑制端点效应,并减少了模态分解个数和算法后处理时间。     

一种自适应的EMD端点延拓方法

由美国国家航空航天局(NASA)的Huang等发明的经验模态分解(EMD)是一种先进的信号处理方法,能够有效地获得非平稳信号的时频特征,但是其利用样条曲线构造信号上下包络线的过程中存在严重的端点问题.在研究了该问题已有方法的基础上,提出了一种基于波形匹配的自适应端点延拓方法,采用信号内部和端点处变化趋势最为相似的子波来对端点处的信号进行延拓.该方法充分考虑了信号的内在特性以及边缘处的变化趋势,使端点处的延拓更加合理,从而使得三次样条曲线在端点处不会发生大的摆动.实验表明该方法能够有效地抑制端点效应.     

EMD端点效应问题解决方法的研究

经验模态分解(EMD)是近年来兴起的一种非平稳信号处理方法,但在分解过程中因产生端点效应而造成分解结果严重失真。因此,研究了一种自适应波形匹配延拓法的改进方法,该方法根据信号端部不同特点确定延拓点并进行延拓,从而解决端点效应问题。实验结果表明,改进的自适应波形匹配延拓法能避免信号EMD分解失真。将改进的自适应波形匹配延拓法的EMD结合小波软阈值去噪方法用于处理加噪超声仿真信号,得到的信噪比比小波软阈值法处理后的信噪比高33.78%,说明该方法在非线性、非平稳信号处理方面有一定优势。     

一种最小长度约束的EMD包络拟合方法

 经典经验模态分解(Empirical Mode Decomposition,EMD)采用三次样条插值方法进行包络拟和,存在较严重的"过冲"现象。在研究该问题已有方法基础上,提出了一种基于最小长度约束的包络拟合方法,以包络曲线长度最小为目标函数,采用Lagrange求极小值法优化极值点处的导数值,然后采用分段三次Hermite函数插值方法进行包络拟合,得到平滑包络线.实验表明该方法能有效地克服三次样条插值法的"过冲"现象和分段抛物线插值法的人为弯折现象,能拟合出更平滑的包络线,使得EMD分解更准确,有效改善模态混淆问题.     

一种新的EMD去噪方法

信号的经验模态分解方法（EMD）可以理解为以信号极值特征尺度为度量的时空滤波过程。此过程充分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有很大的优势。文中分析了EMD去噪技术的基本原理,通过研究几种利用EMD去除非平稳信号噪声的技术,提出了一种新方法。仿真结果表明新的EMD去噪法在去除噪声,提高信噪比方面具有极大的优越性。     

基于二维EMD的图像噪声抑制方法研究

通过二维EMD分解方法,将含有噪声污染的图像分解为一系列细节信息和趋势信息,结合噪声主要集中在高频的层次的特点并引入主成分分析方法确定滤波层数,然后进行图像重组达到去噪和保存细节信息的效果,实验该方法比传统的去噪方法更佳有效。     

基于高阶微分的EMD均值计算方法

为了改善经验模态分解的分离性能,提出一种基于信号高阶微分的分解算法.本文首先讨论了经验模态实现模态分离的必要条件,并证明对输入信号进行偶数阶数值微分可以提高模态分离性能.然后在此基础上提出一种以偶数阶微分的过零点为特征的均值计算方法.最后对仿真信号的分解进行了实验研究.结果表明,本文方法可以改善分离性能,性能提高的程度与理论分析结果符合;与经验模态分解相比,本文方法具有更高的分解精度.     

经验模态分解中多种边界处理方法的比较研究

经验模态分解(EMD)的一个关键问题是处理边界效应。尽管目前除了Huang申请了NASA专利的边界处理方法,仍没有一个最终的解决方案,但工程上已经提出了多种处理方法。本文实现了工程上常用的5种EMD边界处理方法：线性外延,多项式拟合,镜像法,径向基(RBF)神经网络预测和AR预测方法,设计了一套消除了EMD处理中信号的相互作用及模式混淆影响的测试方法,并利用准周期信号和随机信号对它们的边界效应处理结果进行了定量测试。结果表明镜像法是目前相对最优的EMD边界处理方法。     

基于EMD与功率谱熵的语音端点检测

为了提高低信噪比下语音端点检测的准确性,提出一种基于经验模态分解与功率谱熵的语音端点检测方法。对带噪语音信号进行经验模态分解获得一系列语音本征模函数,选取功率谱熵作为语音端点检测的特征,并计算特定阶本征模函数的功率谱熵实现语音的端点检测。通过EMD分解可以有效地消除白噪声的影响,仿真结果表明,在低噪比情况下结合经验模态分解和功率谱熵的方法能够有效实现语音端点检测。     

基于EMD及ARMA的自相似网络流量预测

提出了一种基于ARMA(自回归滑动平均)模型的经验模式分解预测自相似网络流量的方法,进行了理论证明和仿真验证.结果表明,经验模式分解对长相关流量有去相关的作用,采用ARMA模型即可对自相似网络流量准确刻画,不但降低了算法的复杂度,而且预测精度高于径向基函数神经网络的预测精度.     

基于EMD和误差匹配的动态测试系统误差溯源

为掌握动态测试系统的误差特性及传输特性,在全系统动态精度理论的基础上,提出了一种基于EMD和误差匹配相结合的方法。该方法首先采用EMD对动态测试系统的输出误差进行分解,然后根据分解结果进行误差匹配溯源。仿真结果表明,该方法能够有效地追溯到误差产生的源头,速度快,效率高,具有较强可行性和应用性。     

涂层光电隐身效果评估方法研究

根据目标搜索模型和现代图像处理理论，提出了基于灰度直方图、灰度共生矩阵和灰度-梯度共生矩阵的整体相似系数和局部相似系数，并以此作为评价涂层光电隐身效果的两个重要参数，实验结果验证了结论的正确性．     

基于小波变换和经验模式分解的多路径误差提取及验证方法研究

对防空反导雷达系统低角跟踪的多路径误差模型进行验证是检验和评估雷达系统仿真模型有效性的重要方面。对多路径误差进行了分析,利用小波滤波方法和经验模式分解方法从实测数据中提取多路径误差,使用Theil不等式系数、相关系数和小波系数3种方法对仿真结果进行了验证。通过对模型验证结果的分析,表明利用滤波结果进行模型验证更加合理,为评估防空反导雷达系统仿真模型提供了有效手段。     

基于EMD的声发射管道泄漏检测研究

针对管道泄漏声发射检测信号的非平稳特征,该文提出了基于经验模态分解(EMD)的声发射信号分析方法。该信号分析法将管道泄漏产生的复杂声发射信号分解成有限个固有模态信号(IMF),使Hilbert-Huang变换(HHT)的瞬时频率具有了实际物理意义,提高了管道泄漏检测的定位精度。结果表明,HHT法能准确描述声发射波形信号的非线性、非平稳时变特征,是声发射信号时频分析的有效工具。     

基于EMD的图像特征增强技术研究

在利用数字射线成像系统进行特征检测过程中,由于系统和工件本身特点的原因,在获取的射线图像中,某些需要识别的特征信息常常被大量的低频背景信息掩盖,使特征的识别增加了难度。针对上述问题,研究了一种基于经验模式分解（Empirical Mode Decomposition,简称EMD）的图像特征增强技术。研究表明,与传统分析方法相比,EMD方法能够更准确地剔除图像中存在的非需特征信息,增强需要识别的特征信息,提高特征信息的识别率。     

基于EMD的车牌字符去噪校准算法

对典型的车辆牌照字符识别算法中的去噪校准算法进行了研究和分析,在此基础上提出一种新型去噪算法,通过提取分割字符的积分投影波形进行EMD与SG联合去噪后重构字符,克服了字符特征模糊的缺陷,为车牌字符识别提供了可靠的字符特征。     

基于经验模态分解法的光学条纹图像处理研究进展

条纹图处理是光学测量技术中一个非常重要的步骤。从早期的经典傅里叶变换,到随后引入局部分析能力的窗口傅里叶变换、小波变换、S变换,再到近些年变分模型分解、经验模态分解(EMD)等,条纹图处理技术经历了长足的研究和发展历程。在这些优秀的技术中,EMD算法由于具有较强的自适应性和复杂信号处理能力而在近些年受到一定的关注。文中结合条纹图处理的关键内容和发展历程,重点分析和总结了EMD算法及其应用于条纹图处理的关键问题和研究进展,指出了该技术尚存的技术难点和主要问题,为相关技术的发展提供了理论和实践的参考。     

基于EMD和小波去噪处理的信号瞬时参数提取

本文提出用小波去噪后再运用经验模式分解(EMD)和希尔伯特变换方法提取信号瞬时特征。该方法克服了直接运用EMD分解方法由大量噪声带来的不必要的干扰,减少了EMD存在的边界效应和分解层数,提高参数提取的准确性和时效性,使算法在信号瞬时特征提取中更具有应用和研究前景。