基于 HMM 校正与神经网络延拓的EMD 端点效应抑制方法

• 作者: 孟宗 王赛 闫晓丽
• 来源期刊: 中国机械工程
• 学科: 工学
• 关键词: 隐马尔科夫模型 误差校正 神经网络 端点效应 经验模态分解
• 年，卷（期）: 2015,（14）
• 所属期刊栏目: 信息技术
• 页码范围: 1920-1925
• 页数: 6页
• 分类号: TN911.7|TH165
• 字数: 4336字
• 语种: 中文

摘要

针对神经网络延拓方法在抑制经验模态分解的端点效应时存在的延拓数据与真实数据往往存在误差的问题，提出了一种基于 HMM 校正的方法来减小预测延拓数据误差。首先利用径向基函数(RBF)神经网络预测估计方法对部分原始数据进行估计，同时对端点外数据进行预测。然后计算该方法估计的数据与真实数据的误差序列，再用 HMM 方法建立估计误差序列模型，用以预测延拓后数据的误差。最后用 RBF 神经网络延拓数据减去 HMM 预测的误差数据得到新的校正后延拓数据。仿真与实验证明了将 HMM 预测方法与 RBF 神经网络数据延拓结合应用到解决端点效应的过程中所得到的延拓数据更接近真实数据，能够更好地解决端点效应问题，提高了经验模态分解精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟宗		10	95	7.0	9.0
5	闫晓丽		3	24	2.0	3.0
6	王赛	长城汽车股份有限公司技术中心河北省汽车工程技术研究中心	2	15	1.0	2.0