基于SVM信号延拓改进的EEMD方法

• 作者: 张梅军 曹勤 王闯 陈灏
• 来源期刊: 振动、测试与诊断
• 学科: 工学
• 关键词: 经验模态分解 支持向量机 端点效应 模态混叠 故障诊断
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 论文
• 页码范围: 93-98
• 页数: 6页
• 分类号: TN911.7|TH165.3
• 字数: 3134字
• 语种: 中文

摘要

为了抑制经验模态分解(empirical mode decomposition,简称EMD)中出现的端点效应和模态混叠现象,在信号组综合经验模态分解(ensemble empirical mode decomposition,简称EEMD)的基础上,从抑制信号干扰和噪声污染影响以及三次样条函数插值拟合误差逐级传播方面,提出利用信号支持向量机(support vector machines,简称SVM)延拓改进EEMD.通过对仿真和实测信号研究,比较了EMD和EEMD的分解,提出改进的EEMD方法不仅减少了虚假模态分量、避免了模态混叠,而且有效抑制了端点效应.与基于镜像延拓改进的EEMD方法比较表明,本研究方法的时频谱更加清晰,虚假模态分量更少,有效解决了端点效应引起的分解失真问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张梅军	解放军理工大学野战工程学院	54	317	10.0	14.0
2	王闯	解放军理工大学野战工程学院	6	37	3.0	6.0
3	陈灏	解放军理工大学野战工程学院	8	45	4.0	6.0