基于奇异谱分析的经验模态分解去噪方法

• 作者: 刘宏立 肖小兵 马子骥
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 经验模态分解 奇异谱分析 本征模态函数
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 图形与图像
• 页码范围: 919-924
• 页数: 6页
• 分类号: TN911.7
• 字数: 3876字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2017.05.015

摘要

提出了一种基于奇异谱分析(SSA)的经验模态分解(EMD)去噪方法.该方法先对带噪信号进行EMD分解,得到若干个本征模态函数(IMF).再通过SSA对每个IMF分量进行去噪处理:把第一个IMF分量作为高频噪声,并根据它计算出剩余IMF中所含的噪声能量,从而得到剩下的每个IMF中信号所占的能量比值.然后选择合适的窗口长度,对每个IMF进行SSA变换,根据IMF中信号所占的能量比值选择合适的奇异值分解(SVD)分量重构,得到去噪后的IMF.再将所有重构得到的IMF分量以及余项相加,得到最终去噪后的信号.经过实验,对比研究了该方法与小波软阈值、EMD软阈值和EMD滤波方法的去噪效果,结果表明该方法整体优于其它方法,是一种有效的信号去噪方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宏立	湖南大学电气与信息工程学院	161	1237	15.0	28.0
2	马子骥	湖南大学电气与信息工程学院	43	143	7.0	8.0
3	肖小兵	湖南大学电气与信息工程学院	2	19	2.0	2.0