基于ICA算法的集合经验模态分解去噪方法

• 作者: 周先春 孙文荣 嵇亚婷
• 来源期刊: 软件
• 学科: 工学
• 关键词: 小波阈值去噪 EEMD 端点效应 ICA
• 年，卷（期）: 2014,（7）
• 所属期刊栏目: 基金项目论文
• 页码范围: 13-17,22
• 页数: 6页
• 分类号: TN912.3
• 字数: 3056字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2014.07.003

摘要

针对非线性非平稳信号的去噪问题，提出了一种基于独立分量分析（Decomposition Components Analysis,简称ICA）算法的集合经验模态分解去噪方法。首先利用白噪声辅助数据分析方法——集合经验模态分解（Ensemble Empirical Mode Decomposition，简称EEMD）有效的抑制了经验模态分解（Empirical Mode Decomposition，简称EMD）中存在的端点效应和模态混叠现象，然后利用ICA算法对含噪信号经过EEMD分解后的有限个固有模态函数（Intrinsic Mode Function，简称IMF）进行去噪处理，有效的分离出若干个有效的语音信号分量，并对其进行语音重构，最后与小波阈值去噪方法进行比较，通过仿真可以看出，该方法对于信号去噪较为理想。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙文荣	南京信息工程大学电子与信息工程学院	4	72	3.0	4.0
2	周先春	南京信息工程大学电子与信息工程学院	61	251	9.0	13.0
3	嵇亚婷	南京信息工程大学电子与信息工程学院	3	71	3.0	3.0