检索结果-内蒙古大学图书馆

装备环境工程 2025年第3期22卷 1-7页

作者：封雷刘曦解龙贺旋宁晶西安现代控制技术研究所西安710065

目的对炮弹发射过程的实测异常大量值爆炸分离冲击数据进行分析与处理,准确获取真实的发射冲击信号。方法利用基于总体经验模态分解法(EEMD)对实测爆炸分离冲击数据进行处理,通过自适应构造冲击数据的模态分量,剔除原始数据中的趋势项... 详细信息

目的对炮弹发射过程的实测异常大量值爆炸分离冲击数据进行分析与处理,准确获取真实的发射冲击信号。方法利用基于总体经验模态分解法(EEMD)对实测爆炸分离冲击数据进行处理,通过自适应构造冲击数据的模态分量,剔除原始数据中的趋势项。结果通过对某型炮弹发射过程的爆炸分离冲击数据进行处理,有效剔除了冲击信号中的趋势项,准确得到真实的时域信号和冲击响应谱曲线。结论该研究能够为实测异常冲击数据时频域处理提供一种有效的方法。

关键词：总体经验模态分解爆炸分离冲击模态分量冲击响应谱零位漂移放大器饱和

来源：评论

学校读者我要写书评

暂无评论

总体经验模态分解能量向量用于ECG能量分布的研究

引用

物理学报 2015年第7期64卷 391-398页

作者：曾彭刘红星宁新宝庄建军张兴敢南京大学电子科学与工程学院生物医学电子工程研究所南京210093

总体经验模态分解(EEMD)改进了经验模态分解(EMD)存在的模态混叠问题,依据信号自身的波动特点将信号分解,特别适合非线性非平稳信号的分析处理.ECG信号能量分布有一定的规律,疾病会引起能量分布的变化,研究ECG能量分布的改变对心脏疾病... 详细信息

总体经验模态分解(EEMD)改进了经验模态分解(EMD)存在的模态混叠问题,依据信号自身的波动特点将信号分解,特别适合非线性非平稳信号的分析处理.ECG信号能量分布有一定的规律,疾病会引起能量分布的变化,研究ECG能量分布的改变对心脏疾病的研究和临床诊断有重要意义.本文将ECG信号通过EEMD方法分解为多个本征模态函数(IMF)分量,观察IMF分量的波动规律,指出了ECG信号在不同时间尺度上的波动特点和物理意义.将IMF分量分别计算能量,得到ECG的能量向量,并对健康人和三种心脏疾病患者能量向量进行对比分析.结果表明心脏疾病导致EEMD能量向量的高频分量显著降低,尤其是p1分量具有较好的区分度,可以作为心脏疾病诊断的参考依据.相比较传统的频域分析方法单纯关注频率而忽略信号自身特点和信号成分之间的相互作用,EEMD的分解结果依赖于ECG信号本身,因此更能够反映ECG信号的真实情况,揭示年龄和疾病对ECG能量分布的影响.

关键词：总体经验模态分解能量向量健康人心脏疾病

来源：评论

学校读者我要写书评

暂无评论

基于总体经验模态分解的多类特征的运动想象脑电识别方法研究

引用

自动化学报 2017年第5期43卷 743-752页

作者：杨默涵陈万忠李明阳吉林大学通信工程学院分布式智能信息处理实验室长春130025

人的脑电信号(Electroencephalogram,EEG)复杂且具有非线性及非平稳性的特点使其不易分析处理,其识别效果也依赖于数据集的不同,而表现不稳定.本文中应用的总体经验模态分解(Ensemble empirical mode decomposition,EEMD)是一种具有强... 详细信息

人的脑电信号(Electroencephalogram,EEG)复杂且具有非线性及非平稳性的特点使其不易分析处理,其识别效果也依赖于数据集的不同,而表现不稳定.本文中应用的总体经验模态分解(Ensemble empirical mode decomposition,EEMD)是一种具有强自适应性的信号处理方法,其在时频域展现的良好分辨率特别适合脑电识别任务处理.本文提出利用EEMD分解后得到的较具影响能力的固有模态函数(Intrinsic mode functions,IMFs),利用希尔伯特变换提取边际谱(Marginal spectrum,MS)及瞬时能谱(Instantaneous energy spectrum,IES)时频特征,同时通过加窗的方法提取非线性动力学特征近似熵特征,利用线性判别分类器(Linear discriminant analysis,LDA)作为分类器,实验结果得出,对于被试S2和被试S3可达到识别率分别为79.60%和87.77%,实验中9名被试的平均识别率为82.74%,得到平均识别率也高于近期使用相同数据集文献的其他方法.

关键词：脑电信号运动想象总体经验模态分解线性判别分类器

来源：评论

学校读者我要写书评

暂无评论

基于总体经验模态分解的桥梁动态位移重构

引用

振动．测试与诊断 2021年第3期41卷 606-615,628页

作者：刘鹏陈云鹏邹应全西南交通大学信息科学与技术学院成都611756 中铁第一勘察设计院轨道交通工程信息化国家重点实验室西安710043

针对微机电系统(micro-electro-mechanical-systems,简称MEMS)加速度传感器输出信号通过传统二次积分变换为位移信号时精度较低的问题,根据桥梁振动信号的特点,提出了一种基于总体经验模态分解和时域积分相结合的桥梁动态位移重构方法... 详细信息

针对微机电系统(micro-electro-mechanical-systems,简称MEMS)加速度传感器输出信号通过传统二次积分变换为位移信号时精度较低的问题,根据桥梁振动信号的特点,提出了一种基于总体经验模态分解和时域积分相结合的桥梁动态位移重构方法。通过桥梁模拟信号的仿真和振动测试台的验证,分析比较了4种桥梁动态位移重构方法。提出的方法可有效消除低频积分漂移和高频环境噪声对积分过程造成的影响,具有更好的自适应性和鲁棒性。通过在公路高架桥梁进行现场试验,验证了方法的有效性。

关键词：桥梁振动动态位移加速度总体经验模态分解

来源：评论

学校读者我要写书评

暂无评论

云平台下并行总体经验模态分解局部放电信号去噪方法

引用

电工技术学报 2015年第18期30卷 213-222页

作者：宋亚奇周国亮朱永利李莉王德文华北电力大学控制与计算机工程学院保定071003 华北电力大学新能源电力系统国家重点实验室北京102206

信号去噪是对输变电设备进行在线监测和诊断时首要解决的问题。鉴于总体经验模态分解(EEMD)方法对局部放电信号进行去噪的优势,设计了基于Map Reduce模型的并行化EEMD算法(MR-EEMD),利用云平台提高算法的计算效率。在对分段包络线进行... 详细信息

信号去噪是对输变电设备进行在线监测和诊断时首要解决的问题。鉴于总体经验模态分解(EEMD)方法对局部放电信号进行去噪的优势,设计了基于Map Reduce模型的并行化EEMD算法(MR-EEMD),利用云平台提高算法的计算效率。在对分段包络线进行重构时,针对矩形窗的固有缺陷,提出了基于局部平稳度的自适应分段包络线重构算法(LF-ASER)进行分段边界的补偿处理,使重构的包络线误差减小到给定阈值范围内。实验结果表明MR-EEMD算法相对于EEMD性能提升显著,适合处理变压器的局部放电等高采样率信号,同时保持了EEMD去噪效果,并获得较高的可扩展性和加速比。

关键词：局部放电信号去噪总体经验模态分解 MapReduce 包络线重构

来源：评论

学校读者我要写书评

暂无评论

基于总体经验模态分解的水文序列多尺度分析

引用

华中科技大学学报（自然科学版） 2011年第11期39卷 105-108,121页

作者：邵骏吕孙云钱晓燕袁鹏长江水利委员会水文局湖北武汉430010 四川大学水利水电学院四川成都610065 武汉大学水利水电学院湖北武汉430072

为解决模态混叠问题,将总体经验模态分解方法应用于水文时间序列的多尺度研究中.将白噪声加入原始序列,经过总体经验模态分解后得到固有模态函数,通过对结果进行显著性检验并最终得到水文时间序列主要振荡周期、中心频率、平均振幅等信... 详细信息

为解决模态混叠问题,将总体经验模态分解方法应用于水文时间序列的多尺度研究中.将白噪声加入原始序列,经过总体经验模态分解后得到固有模态函数,通过对结果进行显著性检验并最终得到水文时间序列主要振荡周期、中心频率、平均振幅等信息.通过对黄河三门峡水文站实测天然年径流序列进行分析,发现总体经验模态分解能够较好地解决模态混叠现象;同时与小波分析方法对比,该方法较之传统的经验模态分解具有更高的精度,能够应用于水文时间序列多尺度分析研究.

关键词：水文序列总体经验模态分解模态混叠希尔波特-黄变换多尺度分析

来源：评论

学校读者我要写书评

暂无评论

运用总体经验模态分解的疲劳信号降噪方法

引用

振动．测试与诊断 2011年第1期31卷 15-19,125页

作者：陈隽李想同济大学土木工程防灾国家重点实验室上海200092 同济大学建筑工程系上海200092

将总体经验模态分解(ensemble empirical mode decomposition,简称EEMD)用于疲劳应变信号降噪,并与小波变换(wavelet transform,简称WT)方法进行了对比。提出了基于EEMD方法的疲劳应变信号降噪计算步骤,并分别用于模拟信号、试验数据和... 详细信息

将总体经验模态分解(ensemble empirical mode decomposition,简称EEMD)用于疲劳应变信号降噪,并与小波变换(wavelet transform,简称WT)方法进行了对比。提出了基于EEMD方法的疲劳应变信号降噪计算步骤,并分别用于模拟信号、试验数据和实测资料的降噪处理。讨论了EEMD计算参数对降噪效果的影响,给出了计算参数的选取原则。结果表明,EEMD方法可以较好地降低疲劳信号的噪声,提高应力循环次数统计的准确度,具有自适应的特点。

关键词：总体经验模态分解疲劳信号降噪小波变换

来源：评论

学校读者我要写书评

暂无评论

基于总体经验模态分解和连续均方误差的侵彻过载信号分析方法

引用

高压物理学报 2018年第5期32卷 126-132页

作者：唐林陈刚吴昊中国工程物理研究院总体工程研究所四川绵阳621999 工程材料与结构冲击振动四川省重点实验室四川绵阳621010 同济大学土木工程学院上海200092

侵彻过载是攻坚武器及相关研究的重要参量。针对实测弹载侵彻过载曲线分析处理方法开展了研究,提出采用总体经验模态分解(EEMD)结合连续均方误差(CMSE)理论获取弹体刚体过载信号的方法。通过EEMD获得测试信号的本征模态函数分量,再运用C... 详细信息

侵彻过载是攻坚武器及相关研究的重要参量。针对实测弹载侵彻过载曲线分析处理方法开展了研究,提出采用总体经验模态分解(EEMD)结合连续均方误差(CMSE)理论获取弹体刚体过载信号的方法。通过EEMD获得测试信号的本征模态函数分量,再运用CMSE理论判别高频干扰与侵彻信号的分界点,对不含分界点分量的高频分量进行抛弃处理,将其余低频信号进行重构获得弹体刚体过载信号。积分结果表明,重构信号在有效去除高频干扰的同时,完整保留了侵彻过载中弹体刚体的加速度信号。此外,整个分析过程所具有的信号自驱动特性避免了不同弹靶工况下滤波频率选择困难。

关键词：侵彻过载总体经验模态分解连续均方误差

来源：评论

学校读者我要写书评

暂无评论

一种基于小波预处理的改进总体经验模态分解方法

引用

计算机测量与控制 2013年第6期21卷 1601-1604页

作者：樊刘娟冯秀芳朱晓军太原理工大学计算机科学与技术学院太原030024

总体经验模态分解(EEMD)是一种基于多次经验模态分解(EMD)的信号分解方法,能够有效解决EMD方法中存在的模态混.叠问题,使得分解出来的分量更具有实际物理意义,但随之带来的问题是整个分解时间大大延长,这正是由于多次EMD分解造成的;为... 详细信息

总体经验模态分解(EEMD)是一种基于多次经验模态分解(EMD)的信号分解方法,能够有效解决EMD方法中存在的模态混.叠问题,使得分解出来的分量更具有实际物理意义,但随之带来的问题是整个分解时间大大延长,这正是由于多次EMD分解造成的;为了能够同时提高EEMD方法的分解效率,提出了一种基于小波预处理的EEMD算法;通过实验结果可以发现改进后的EEMD算法在原始EEMD算法的基础上,分解效率平均提高了大约10.95%,得到的有效分量与原始信号的相关度也提高了大约8.68%;这就说明较原有EEMD算法相比,改进后的EEMD算法不仅能够提高信号分解速度,而且能够更为有效地提取出原始信号中的特征分量。

关键词：总体经验模态分解经验模态分解小波预处理特征提取

来源：评论

学校读者我要写书评

暂无评论

基于总体经验模态分解和CoDE-BP短期风速预测

引用

计算机技术与发展 2019年第2期29卷 195-201页

作者：胡亚兰陈亮余相王丹东华大学信息科学与技术学院上海201620

预测问题是应用机器学习的研究热点之一,是计算机技术领域在实际工程的重要应用,然而由于风速具有随机性、波动性等特性,导致风速预测存在准确率低的问题。为了提高风速预测的准确性,将总体经验模态分解(EEMD)方法引入到组合差分进化算... 详细信息

预测问题是应用机器学习的研究热点之一,是计算机技术领域在实际工程的重要应用,然而由于风速具有随机性、波动性等特性,导致风速预测存在准确率低的问题。为了提高风速预测的准确性,将总体经验模态分解(EEMD)方法引入到组合差分进化算法(CoDE)和前馈(BP)神经网络中,提出了一种新颖的混合风速预测模型(EEMD-CoDE-BP)。利用EEMD将原始风速信号分解成一系列不同频率的子序列IMFs和残差序列r,通过每个子序列训练CoDE-BP模型,最终的风速预测结果由每个子序列预测结果等权求和得到。以国内某风电场每10 min、1 h采样间隔的风速数据进行MATLAB仿真,对比包括传统的Elman神经网络(ENN)、小波神经网络(WNN)、BP、CoDE-BP和EMD-CoDE-BP等算法,仿真结果表明所提方法能对风速进行准确有效的预测,极大地提高了预测精度,减小了预测误差。

关键词：短期风速预测总体经验模态分解组合差分进化算法前馈神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：