-
题名基于稀疏指标的优化变分模态分解方法
被引量：2
- 1
-
-
作者
张露
理华
崔杰
王晓东
肖灵
-
机构
中国科学院声学研究所
中国科学院大学电子电气与通信工程学院
-
出处
《振动与冲击》
EI
CSCD
北大核心
2023年第8期234-250,共17页
-
基金
国家重点研发计划(2020YFC2004003-03)
国家自然基金重大仪器(32127802)。
-
文摘
针对复合信号源信号数目未知,无法正确预设分解模态数K值而不能对信号进行有效变分模态(variational mode decomposition,VMD)的问题,提出了一种基于稀疏指标的优化VMD法。该方法基于VMD所构建变分模型中各个分量的稀疏先验知识,实现了VMD自适应寻优K值,其将最佳K值确定为稀疏指标由上升至下降的转折点;在计算VMD各个分量的稀疏度时,考虑到不同分量间的能量差异加入了能量权值因子,最后将稀疏指标确定为分解后各分量边际谱稀疏度的平均值。仿真信号与实际信号分解试验验证表明:相较于其他两种VMD的K值确定方法,该方法确定的K值结果更为准确,实现的优化VMD自适应性更强,较其他信号分解法如经验模态分解(empirical mode decomposition,EMD)有更好的分解效果,为源信号数目未知的复合信号VMD提供了新思路;此外,噪声的鲁棒性试验证明所提基于稀疏指标的优化VMD法还具有一定的抗噪能力,较稳健,可开发应用于实际工程。
-
关键词
复合信号分解
变分模态分解(VMD)
分解模态数
稀疏指标
自适应寻优
-
Keywords
compound signal decomposition
variational mode decomposition(VMD)
decomposition mode number
sparse index
adaptive optimization
-
分类号
TN911.72
[电子电信—通信与信息系统]
-
-
题名脑电信号成分稀疏分析范式及其可行证明
被引量：1
- 2
-
-
作者
岳琪
徐忠亮
马琳
李海峰
-
机构
东北林业大学信息与计算机工程学院
哈尔滨工业大学计算机科学与技术学院
-
出处
《信号处理》
CSCD
北大核心
2018年第8期923-929,共7页
-
基金
国家自然科学基金项目(61702091)
-
文摘
稀疏分解技术作为一种可靠的信号处理与传输方法,在包括EEG的多种时变信号分析和处理领域得到了广泛的应用。在EEG信号的成分分析中,现有算法(ICA,EMD)等都存在分解结果与真实成分显著不符的情况,难以对实际成分的波形进行估计。本文在稀疏分解算法基础上,通过对样本稀疏分布情况进行度量,给出了一个经过改良的稀疏性能评价指标(SPI)并以此建立了一个新的成分分析范式和相应的优化函数,经过理论和实际证明,该范式在成分分析领域能比传统方法更有效地使分解结果趋向于真实成分,对EEG信号、乃至其他时变信号的成分解析都具有相当的积极意义。
-
关键词
脑电信号
成分分析
稀疏分解
稀疏性能评价指标
-
Keywords
electroencephalogram signal
component analysis
sparse decomposition
sparse performance index
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TN911.72
[电子电信—通信与信息系统]
-
