-
题名经验模态分解理论及其应用
被引量：19
- 1
-
-
作者
郝欢
王华力
魏勤
-
机构
解放军理工大学通信工程学院
武汉理工大学信息工程学院
-
出处
《高技术通讯》
CAS
CSCD
北大核心
2016年第1期67-80,共14页
-
基金
国家自然科学基金(61271354)
十二五预研资助项目
-
文摘
阐述了经验模态分解(EMD)的概念、基本理论及其作为一种数据驱动的时频分析方法,能够根据信号特点自适应地将信号分解成一组具有物理意义的固有模态函数的线性组合,十分适合于非线性、非平稳信号分析的机理,然后综述了一维EMD算法在解决包络拟合、边界效应、模态混叠等关键问题上的研究进展,重点对新兴的多维经验模态分解的发展情况进行了详细论述;介绍了EMD在信号去噪,地球物理、生物医学信号处理,电力工程、机械工程故障诊断方面的主要应用,结合EMD研究中的难点问题,指出了下一步研究的五个重要方向。
-
关键词
经验模态分解(EMD)
时频分析
固有模态函数(IMF)
多维经验模态分解
-
Keywords
empirical mode decomposition（ EMD）, time-frequency analysis, intrinsic mode function（ IMF）,multivariate empirical mode decomposition
-
分类号
TN911.6
[电子电信—通信与信息系统]
-
-
题名基于MEMD与MMSE的滚动轴承退化特征提取方法
被引量：3
- 2
-
-
作者
李凌均
金兵
马艳丽
韩捷
郝旺身
-
机构
郑州大学机械工程学院
-
出处
《郑州大学学报（工学版）》
CAS
北大核心
2018年第4期86-91,共6页
-
基金
国家自然科学基金资助项目(51405453)
-
文摘
针对滚动轴承故障信号的非平稳性特征以及其退化状态难以识别的问题,提出了基于多维经验模态分解(MEMD)与多元多尺度熵(MMSE)的退化特征提取方法.该方法利用多维经验模态算法在多尺度化过程中能够有效地捕获信号不同尺度的成分的特性,更好地区分了不同退化状态的复杂度.首先,利用MEMD算法对滚动轴承不同退化状态对应的多通道信号进行同步自适应分解;然后,对多尺度IMF分量重构的信号进行多元多尺度熵分析.对试验信号进行处理,结果表明,该方法能有效反映滚动轴承退化趋势.
-
关键词
多维经验模态分解
多元多尺度熵
多尺度化
滚动轴承
退化趋势
-
Keywords
MEMD
MMSE
multiscalization
roller bearing
degradation trend
-
分类号
TH212
[机械工程—机械制造及自动化]
TH213.3
[机械工程—机械制造及自动化]
-
-
题名井中微地震监测记录强背景干扰信号压制方法
被引量：7
- 3
-
-
作者
冷佳宣
喻志超
冯方方
张逸伦
何川
-
机构
北京大学地球与空间科学学院
国家超级计算深圳中心(深圳云计算中心)
中国科学院地质与地球物理研究所
-
出处
《石油物探》
CSCD
北大核心
2021年第5期738-750,共13页
-
基金
国家科技重大专项课题“MEMS技术及工业化试验”(2017ZX05008-008)资助。
-
文摘
井中微地震监测过程中因压裂施工、井筒噪声和仪器噪声等因素可能产生持续的强能量背景干扰信号。这些干扰信号严重影响了有效微地震事件的识别与初至拾取,它们具有时变非平稳随机信号特点,常规时域或频域滤波的预处理方法对其压制效果并不理想,过度滤波则可能对有效微地震信号造成损害。针对上述问题,以井中微地震监测三分量记录信号之间的同步与相关分析为基础,提出了基于多维经验模态分解的微地震监测记录中背景干扰信号的识别与压制方法。该方法通过对三分量微地震监测记录进行多维经验模态分解,获得不同阶次的本征模态函数分量,然后根据偏振属性的变化从中识别并去除与背景干扰信号对应的成分,以达到净化监测记录的目的。实际资料处理结果表明,与常规预处理方法相比,此方法能够有效识别和压制持续背景干扰信号,显著降低监测记录的噪声水平,有助于改善弱信噪比微地震信号的识别及初至拾取的效果。
-
关键词
微地震监测
水力压裂
背景干扰信号压制
多维经验模态分解
本征模态函数
信号识别
-
Keywords
microseismic monitoring
hydro-fracturing
background noise suppression
multivariate empirical mode decomposition
intrinsic mode function
signal recognition
-
分类号
P631
[天文地球—地质矿产勘探]
-
-
题名MEEMD特征掌纹的2DPCA识别方法
- 4
-
-
作者
颜廷秦
刘淑芬
-
机构
苏州市职业大学电子信息工程系
-
出处
《微电子学与计算机》
CSCD
北大核心
2011年第10期146-149,共4页
-
基金
国家自然科学基金项目(60970058)
江苏省自然科学基金项目(BK2009131)
苏州市职业大学创新团队建设项目(3100125)
-
文摘
为了提高识别率,提出了基于MEEMD和2DPCA的掌纹识别方法.利用MEEMD技术对掌纹图像进行分解,得到本征模式函数(IMF)分量,用高频分量重构掌纹图像,形成掌纹识别图像集.然后利用2DPCA技术进行识别.MEEMD重构掌纹能够突出掌纹细节特征,提高识别率.采用香港理工大学掌纹数据库进行实验,将此方法与不包含MEEMD的2DPCA方法进行比较,实验结果说明此方法有较高的识别率和较快的识别速度.
-
关键词
多维集合经验模态分解(MEEMD)
二维主成分分析(2DPCA)
掌纹
本征模式函数(IMF)
-
Keywords
MEEMD
2DPCA
palmprints
IMF
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
