[发明专利]一种具有激励噪声添加参数选取功能的集合经验模态分解方法有效

专利信息
申请号: 201010032480.1 申请日: 2010-01-18
公开(公告)号: CN101763336A 公开(公告)日: 2010-06-30
发明(设计)人: 沈毅;沈志远 申请(专利权)人: 哈尔滨工业大学
主分类号: G06F17/00 分类号: G06F17/00;G01V1/28
代理公司: 哈尔滨市松花江专利商标事务所 23109 代理人: 张宏威
地址: 150001 黑龙*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 具有 激励 噪声 添加 参数 选取 功能 集合 经验 分解 方法
【说明书】:

技术领域

发明涉及信号分析与处理技术领域,具体涉及一种具有激励噪声添加参 数选取功能的集合经验模态分解方法。

背景技术

工程实践中要处理的数据或信号多是非线性、非平稳的,如地震振动数据、 电网波动数据、股票波动数据、建筑结构损伤监测数据和设备故障特征监测数 据等。目前多采用集合经验模态分解EEMD的方法对非线性非平稳信号进行处 理,在使用常规的EEMD方法对非线性非平稳信号进行处理时添加的噪声振幅 和集合数尚不确定,添加的噪声振幅的幅度越小,原始信号分解后的结果越精 确,但是如果添加的噪声振幅的幅度太小,噪声不足以激活原始信号,从而不 能很好的解决模态混淆问题;反之,如果添加的噪声振幅a的幅度太大,根据 为保证分解误差e满足精度要求,集合数P必须选取的较大,然而随 着集合数的增加,计算量呈线性增加。目前使用常规的EEMD方法对非线性 非平稳信号进行处理时无法同时实现分解精度高且计算量小。

发明内容

为了解决使用常规的EEMD方法对非线性非平稳信号进行处理时无法同 时实现分解精度高且计算量小的问题,本发明提供一种具有激励噪声添加参数 选取功能的集合经验模态分解方法。

本发明的一种具有激励噪声添加参数选取功能的集合经验模态分解方法, 具体为:

步骤一:设置用于集合经验模态分解的初始值、分解误差预设差值和分解 误差最大差值,所述初始值包括集合数初始值P0和噪声振幅初始值a0,并利用 所述初始值计算集合数初始值P0下的分解误差初始值e0,0

步骤二:向待分解信号加入噪声振幅为au的白噪声,对待分解信号进行集 合数Pv下的集合经验模态分解,得到内固模态函数矩阵,并依据内固模态函数 矩阵求得前一次分解误差eu,v和本次分解误差eu+1,v,v表示第v个集合数,u 表示在集合数Pv下的第u次迭代;

步骤三:比较本次分解误差eu+1,v与前一次分解误差eu,v,当本次分解误差 eu+1,v小于前一次分解误差eu,v时,根据公式计算新噪声振幅au+1, 重复步骤二进行下一次迭代,直至获得的本次分解误差eu+1,v大于或等于前一次 分解误差eu,v时,将所述前一次分解误差eu,v作为集合数Pv下的最佳分解误差ev*, u=0,1,2……N;

步骤四:设置集合数Pv+1,并利用噪声振幅初始值a0,计算集合数Pv+1下的 分解误差初始值e0,v+1,重复步骤二和步骤三获得集合数Pv+1下的最佳分解误差 ev+1,并计算相邻两次分解误差差值v=0,1,2……N;

步骤五:比较相邻两次分解误差差值Δe和分解误差预设差值,当相邻两 次分解误差差值Δe大于或等于分解误差预设差值时,重复步骤四进行下一次 迭代,直至相邻两次分解误差差值Δe小于分解误差预设差值时,具有激励噪 声添加集合数和添加振幅选取功能的集合经验模态分解完毕。

本发明的有益效果为:本发明的集合数和噪声振幅的参数选择分别按照集 合数由小到大、噪声振幅的幅度由大到小的逐次逼近的参数确定方法,集合数 按倍数增加,在给定集合数情况下,噪声振幅的幅度采用按下确界方向逐步逼 近的方法确定,实现了EEMD分解精度高、避免了模态混淆且计算量小。

附图说明

图1是本发明的一种具有激励噪声添加参数选取功能的集合经验模态分 解方法的流程图;图2是具体实施方式五中待分解语音信号示意图;图3-图6 是使用常规EEMD方法对待分解语音信号进行处理的语音信号分解结果示意 图,其中,常规集合数P为1000,常规噪声振幅a为原信号最大振幅的0.2 倍;图7-图10是使用具体实施方式五对待分解语音信号进行处理的语音信号 分解结果示意图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学,未经哈尔滨工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201010032480.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top