EEMD算法原理及应用
目录
1.简介
2.原理
3.应用于信号去噪
3.1仿真信号
3.2信号的分解
3.3相关系数
3.4信号的重构
4.总结
5.参考文献
1.简介
经验模态分解(Empirical Mode Decomposition,EMD)方法适合分析和处理非平稳、非线性信号, 但是该方法存在问题和不足之处,主要是:①用EMD分解得到的(本征模态函数)存在模态混叠现象;②末端效应影响分解效果。为了抑制EMD的模态混叠现象,法国的Handrin等人用EMD对白噪声分解后的结果进行统计,提出了基于噪声辅助分析的改进EMD方法,即集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)。
2.原理
EEMD方法的本质是一种叠加高斯白噪声的多次经验模式分解,利用了高斯白噪声具有频率均匀分布的统计特性,通过每次加入同等幅值的不同白噪声来改变信号的极值点特性,之后对多次EMD得到的相应IMF进行总体平均来抵消加入的白噪声,从而有效抑制模态混叠的产生。EEMD分解步骤如下:
(1)设定总体平均次数;
(2)将一个具有标准正态分布的白噪声加到原始信号上,以产生一个新的信号:
,式中表示第 次加性白噪声序列,表示第 次试验的附加噪声信号,;
(3)对所得含噪声的信号分别进行EMD分解,得到各自和的形式:
式中,为第 次加入白噪声后分解得到的第 个,是残余函数,代表信号的平均趋势,是的数量;
(4)重复步骤(2)和步骤(3)进行次,每次分解加入幅值不同的白噪声信号得到的集合为:
,。
(5)利用不相关序列的统计平均值为零的原理, 将上述对应的进行集合平均运算,得到EEMD分解后最终的,即:
式中,是EEMD分解的第 个,,;
3.应用于信号去噪
3.1仿真信号
对原始信号,加入高斯白噪声,得到含噪信号,原始信号和含噪信号如图1所示。
3.2信号的分解
用EEMD算法对含噪信号进行分解,得到各个如图2所示。其中,IMF1是原始输入信号y,IMF2-IMF7是从高频到低频的IMF分量,IMF8是残余分量。
3.3相关系数
常用的相关系数法是将本征模式分量与原信号之间的相关系数作为一个指标,来判断哪些本征模式分量是信号的真实分量,哪些是虚假的、无意义的本征模式分量,将这些虚假本征模式分量剔除,作为残差的一部分。为了避免幅值较小而又是真实的被去除,将所有的本征模式分量与原信号进行归一化处理。本征模式分量和原信号之间的归一化相关系数为:
式中,为第 个与原信号的相关系数,为信号的采样点。
设定一阈值,由相关系数的标准差得到,即:
若,保留第 个,否则剔除第 个。
3.4信号的重构
利用相关系数和阈值筛选出有效的 个,并对其进行叠加,即可得到去噪后的信号:
为了突出去噪效果,将去噪后的信号与原始信号放在同一坐标下,如图3所示,去噪后的信号与原始信号基本重合。
4.总结
EEMD算法是一种对非线性非平稳信号分析和处理的有效方法,解决了信号在分解过程出现的模态混叠问题,但也存在一些缺点:①分解过程中会存在残余的白噪声;②选取有效的完全依靠经验来确定。这些都影响了EEMD对信号分解重构的准确性。
本博文配套的源代码和EEMD工具见链接:EEMD算法应用于信号去噪
5.参考文献
[1]EEMD详解
[2]Wu Zhao-hua and Huang Norden E. Ensemble empirical mode decomposition: a noise assisted data analysis method[J].Advances in Adaptive Data Analysis, 2009,1(1):1-41.
[3]王玉静,康守强,张 云,等.基于集合经验模态分解敏感固有模态函数选择算法的滚动轴承状态识别方法[J].电子与信息学报,2014,36(3):595-600.
EEMD算法原理及应用相关推荐
- CRF(条件随机场)与Viterbi(维特比)算法原理详解
摘自:https://mp.weixin.qq.com/s/GXbFxlExDtjtQe-OPwfokA https://www.cnblogs.com/zhibei/p/9391014.html C ...
- 三维目标检测算法原理
三维目标检测算法原理 输入输出接口 Input: (1)图像视频分辨率(整型int) (2)图像视频格式(RGB,YUV,MP4等) (3)左右两边的车道线位置信息摄像头标定参数(中心位置(x,y) ...
- 3D-2D:PnP算法原理
3D-2D:PnP算法原理 1.问题背景-- 什么是PnP问题 ? 2.PnP问题的求解方法 2.1 P3P 2.1.1 算法的实际理解 2.1.2 算法的数学推导 2.1.3 算法的缺陷 2.2 直 ...
- MySQL索引背后的数据结构及算法原理【转】
http://blog.codinglabs.org/articles/theory-of-mysql-index.html MySQL索引背后的数据结构及算法原理[转] 摘要 本文以MySQL数据库 ...
- 文本分类的基本思想和朴素贝叶斯算法原理
文本分类的基本思想和朴素贝叶斯算法原理
- Bagging与随机森林算法原理小结
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 在集成学习原理小结中,我们讲到了集成学习有两个流派,一个是boos ...
- 干货 | 非常全面的谱聚类算法原理总结
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 谱聚类算法是目前最流行的聚类算法之一,其性能及适用场景优于传统的聚 ...
- 层次聚类算法原理总结
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 层次聚类(hierarchical clustering)基于簇间 ...
- 从传感器到算法原理,机器人、视觉避障尽在此文
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 本文转自:计算机视觉life 避障是指移动机器人在行走过程中,通过 ...
- ORB算法原理解读【不错】
ORB算法原理解读 这篇写得很好 ORB特征提取.匹配及位置估计 里面对匹配的讲解比较好 两个不同二进制之间的汉明距离指的是两个二进制串不同位的个数.两个二进制不同位的个数是越少越好 ...
最新文章
- 使用RNNs进行机器翻译——介绍RNN和LSTM网络及其应用
- 滴滴自研分布式 NoSQL 数据库 Fusion 的演进之路
- 6410 linux内核移植
- 从“没有免费的午餐”理论看机器学习模型
- ANSYS——固定斜度的变截面变截面的定义、自由耦合和变截面的定义
- 搜狐视频怎么开启自动连播
- linux NAND驱动之四:6410上的NAND读写流程
- 余承东生日朋友圈深夜连发五个“感恩”:这是一个难忘的日子
- nova4e鸿蒙,为何如此执着麒麟芯片?华为首席战略官揭晓答案
- C# 类中的静态代码块
- IOS企业应用出现无法验证,需要网络连接以在这台iPad上验证。接入互联网并重试
- excel随机数_软网推荐:Windows环境下快速生成随机数
- Oracle数据库 1653错误
- php.ini reporting,php.ini中error_reporting参数配置
- 失业登记对养老保险是否有影响
- c语言循环菜鸟,C语言菜鸟基础教程之for循环
- silvaco 仿真BJT
- 小程序流量主怎么赚钱?
- 2014-2015-1(实变函数56)
- 微信开发者工具字体模糊