一种基于小波预处理的改进总体经验模态分解方法

• 作者: 冯秀芳 朱晓军 樊刘娟
• 来源期刊: 计算机测量与控制
• 关键词: 总体经验模态分解 经验模态分解 小波预处理 特征提取
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 算法、设计与应用
• 页码范围: 1601-1604
• 页数: 4页
• 分类号: TP391.9
• 语种: 中文

摘要

总体经验模态分解(EEMD)是一种基于多次经验模态分解(EMD)的信号分解方法,能够有效解决EMD方法中存在的模态混.叠问题,使得分解出来的分量更具有实际物理意义,但随之带来的问题是整个分解时间大大延长,这正是由于多次EMD分解造成的；为了能够同时提高EEMD方法的分解效率,提出了一种基于小波预处理的EEMD算法；通过实验结果可以发现改进后的EEMD算法在原始EEMD算法的基础上,分解效率平均提高了大约10.95％,得到的有效分量与原始信号的相关度也提高了大约8.68％；这就说明较原有EEMD算法相比,改进后的EEMD算法不仅能够提高信号分解速度,而且能够更为有效地提取出原始信号中的特征分量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯秀芳	太原理工大学计算机科学与技术学院	79	546	11.0	20.0
2	樊刘娟	太原理工大学计算机科学与技术学院	4	45	3.0	4.0
3	朱晓军	太原理工大学计算机科学与技术学院	18	102	6.0	10.0