采用支持向量回归抑制噪声的经验模态分解方法

• 作者: 宋剑 邱晓晖
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 信号处理 经验模态分解 支持向量回归 噪声抑制
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 122-126
• 页数: 5页
• 分类号: TN911.7
• 字数: 3915字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2014.11.031

摘要

在实际信号分解中，经验模态分解( EMD)是对噪声敏感的，往往会分离出一些虚假的本征模函数，对信号的分析产生一定影响。为了提高EMD分解的正确率，减少其出现虚假本征模函数的情况，文中提出了一种基于支持向量回归( SVR)的去噪方法。先对一次EMD分解结果进行SVR逐层滤波并且对信号进行重组，然后利用EMD方法对重组信号进行二次分解。实验表明，二次分解结果已经非常接近于理想的分解结果，不会出现虚假IMF。这种分解方法对噪声不敏感，能有效提高EMD方法对噪声的容忍度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱晓晖	南京邮电大学通信与信息工程学院	49	363	10.0	17.0
2	宋剑	南京邮电大学通信与信息工程学院	1	1	1.0	1.0