搜索资源列表
maichongzaosheng
- 经典MATLAB仿真例子,原始信号为带脉冲干扰信号,用EEMD分解,再进行傅里叶变换,能够作为学习EMD的经典例程。(This is a classic routine to learn matlab and EMD.We believe that you deserve to own it.)
EEMD相关文件
- Hilbert-Huang变换(HHT)是一种新的非平稳信号处理技术,该方法由经验模态 分解(EMD)与Hilbert谱分析两部分组成。任意的非平稳信号首先经过EMD方法处理后被分解为一系列具有不同特征尺度的数据序列,每一个序列称为一个固有模态函数(IMF),然后对每个IMF分量进行Hilbert谱分析得到相应分量的Hilbert谱,汇总所有Hilbert谱就得到了原信号的谱图。该方法从本质上讲是对非平稳信号进行平稳化处理,将信号中真实
Variant Mode Decomposition VMD original
- 2014年,新的变模态分解方法被提出,优于EMD算法(In 2014, the new variational mode decomposition method was proposed, which is better than EMD algorithm)
EEMD和VMD程序
- EEMD在EMD的基础上进行添加高斯白噪声,VMD相对于EEMD时频分解效果更好,有效的抑制了模态混叠和端点效应(EEMD adds Gaussian white noise on the basis of EMD, and VMD has better effect on time-frequency decomposition than EEMD, effectively suppressing modal aliasing and
eemdtool
- 实测可用,EEMD是Ensemble Empirical Mode Decomposition的缩写,中文是集合经验模态分解,是针对EMD方法的不足,提出了一种噪声辅助数据分析方法。EEMD分解原理是当附加的白噪声均匀分布在整个时频空间时,该时频空间就由滤波器组分割成的不同尺度成分组成。(Complete program, measured available.EEMD is an acronym for Ensemble Empiri
hht
- HHT主要内容包含两部分,第一部分为经验模态分解(Empirical Mode Decomposition,简称EMD),它是由Huang提出的;第二部分为Hilbert谱分析(Hilbert Spectrum Analysis,简称HSA)。(The main content of HHT includes two parts. The first part is Empirical Mode Decomposition (EMD),
HHT_EMD
- EMD经验模态分解,用于信号处理,常和hilbert-huang变换一起用于信号特征提取、信号消噪等领域。(EMD for signal processing, often with hilbert-huang transform for signal feature extraction, signal de-noising and other fields.)
eemd
- 有助于对emd,eemd,ceemd这三种数据分解方法的理解(Complementary Empircal Mode Decompisiton)
希尔伯特黄变换
- HHT主要内容包含两部分,第一部分为经验模态分解(Empirical Mode Decomposition,简称EMD),它是由Huang提出的;第二部分为Hilbert谱分析(Hilbert Spectrum Analysis,简称HSA)。简单说来,HHT处理非平稳信号的基本过程是:首先利用EMD方法将给定的信号分解为若干固有模态函数(以Intrinsic Mode Function或IMF表示,也称作本征模态函数),这些IMF是满
Matlab runcode
- EMD(经验模态分解,全称Empirical Mode Decomposition,一般指EMD算法)是Hilbert-Huang变换(HHT)的核心算法。 经验模态分解(EMD)算法是通过算法过程定义的,而并非由确定的理论公式定义的,所以对其进行准确的理论分析非常困难,我们目前只能借助大量的数字仿真试验不断对其性能进行深入的研究。 EMD算法的目的在于将性能不好的信号分解为一组性能较好的本征模函数(IMFIntrinsic Mode
三种HHT_Matlab.part01
- 经验模态分解依据信号时间尺度将信号逐级分解成对称的分量,在进一步对模态函数进行希尔伯特变换(Empirical mode decomposition (EMD) decomposes the signal into symmetrical components step by step according to the signal time scale, and further performs the Hilbert transfo
VMD
- VMD方法是在传统维纳滤波的基础上,提出的一种非递归自适应信号分解新方法。与EMD方法和LMD方法相比,VMD方法分解的信号,具有精度高、收敛快和鲁棒性好等特点,适用于处理滚动轴承故障信号。(The VMD method is a new non recursive adaptive signal decomposition method based on traditional Wiener filtering. Compared w
EWT
- 经验小波变换,将信号分解为多个子特征的子序列。性能较EMD、EEMD、WD等有所提升。(Empirical wavelet transform decomposes the signal into sub sequences of multiple sub features. The performance is improved compared with EMD, EEMD, WD and so on.)
IO_VMD
- 仿照EMD的分解层数确定方法,用以优化VMD的分解层数K(The method of determining the number of decomposition layers according to EMD is used to optimize the decomposition level of VMD K)
EEMD处理
- EMD的扩展算法,集合经验模态分解(EEMD), 程序完整可运行(Extension algorithm of EMD, ensemble empirical mode decomposition (EEMD), complete and runnable program)
HHT详细说明和仿真实例
- 关于HHT原理的详细叙述,文章阐述了HHT方法的实用性,且给出了一个仿真实例,在matlab中的实现,包括emd和HHT分解过程。
ALIF-master
- 非线性非平稳信号的时频分析是一项非常具有挑战性的工作。为了捕获这些信号中的特征,分析方法必须是局部的、自适应的和稳定的。近年来,不同的研究小组开发了基于分解的分析方法,如Huang等人首创的经验模态分解(EMD)技术。这些方法将信号分解成有限数量的分量,在这些分量上可以更有效地应用时频分析。在本文中,我们考虑迭代滤波(IF)方法作为EMD的替代方法。我们在滤波器上提供了充分的条件,保证了对任意l2信号的中频收敛。然后,我们提出了一种新的
1
- 针对矿浆管道工况调整给泄漏检测带来的干扰,准确提取泄漏信号的特征量是降低泄漏误报、漏报的关键。为此,提出了一种基于经验模态分解(EMD)、Hilbert能量谱与变量预测模型(VPMCD)相结合的泄漏检测方法。该方法首先将压力信号分解成若干个固有模态函数(IMF)之和,然后将IMF分量进行Hilbert变换得到局部Hilbert能量谱,依据能量分布的标准差选择最能准确反映矿浆管道运行工况的局部能量谱作为特征值向量,最后通过VPMCD分类器
NA-MEMD
- 多元经验模式分解(MEMD)算法是EMD算法从单个变量到任意数量的变量的扩展,其与经验模态分解一样存在模式混合问题,基于噪声辅助的多元经验模式分解(NAMEMD)就在对MEMD的改进,解决其问题。(The multiple empirical mode decomposition (MEMD) algorithm is an extension of the EMD algorithm from a single variable to
VMD代码
- VMD代码,该程序对信号进行经验模式分解,可以用于故障信号处理,还可以与很对方法结合。如,排列熵,emd,vmd,等,包含VMD、EMD、EEMD工具箱,可用于变分模态分解、EMD以及EEMD谐波检测对对比分析(VMD code, the program for empirical mode decomposition of signals, can be used for fault signal processing, can al