期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
常见不同模态信号分解方法探讨 被引量：8
1
作者 邢昀 荣剑 《现代计算机》 2018年第24期7-11,共5页
经验模态分解(EMD)是一种自适应的信号时频分析方法,它把信号分解成一系列本征模态函数(IMF)和残差分量。集合经验模态分解方法(EEMD)是通过向原始信号中加入高斯白噪声,来抑制经验模态分解过程中存在的模态混叠现象。补充的EEMD(CEEMD... 经验模态分解(EMD)是一种自适应的信号时频分析方法,它把信号分解成一系列本征模态函数(IMF)和残差分量。集合经验模态分解方法(EEMD)是通过向原始信号中加入高斯白噪声,来抑制经验模态分解过程中存在的模态混叠现象。补充的EEMD(CEEMD)是通过向目标信号添加成对的符号相反的白噪声,来确保信号分解具有真实的物理意义。改进的集合经验模态分解(MEEMD)结合CEEMD与排列熵(PE)算法在抑制模态混叠方面取得理想的结果,并解决计算量大的问题。变分模态分解(VMD)是在EMD的基础上发展出来的一种新型信号处理方法,它进一步避免模态混叠现象并且有着更高的运算效率。讨论EMD、EEMD、CEEMD、MEEMD、VMD在信号分解处理时的效果差异。 展开更多
关键词 经验模态分解(EMD) 集合经验模态分解(EEMD) 补充的集合经验模态分解(CEEMD) 改进的集合经验模态分解(meemd) 变分模态分解(VMD)
下载PDF
基于MEEMD香农熵-LSSVM的高速列车蛇行失稳诊断方法 被引量：4
2
作者 叶运广 宁静 +2 位作者 种传杰 崔万里 刘棋 《计算机应用研究》 CSCD 北大核心 2017年第4期1097-1100,共4页
针对列车高速运行时易出现蛇行失稳这一问题,提出了一种改进的集合经验模态分解(modified ensemble empirical mode decomposition,MEEMD)香农熵—最小二乘法支持向量机(least squares support vector machine,LSSVM)的高速列车蛇行失... 针对列车高速运行时易出现蛇行失稳这一问题,提出了一种改进的集合经验模态分解(modified ensemble empirical mode decomposition,MEEMD)香农熵—最小二乘法支持向量机(least squares support vector machine,LSSVM)的高速列车蛇行失稳诊断方法。首先通过MEEMD对列车330~350 km/h时转向架构架的横向振动信号进行分解,得到固有模态函数(intrinsic mode function,IMF),再通过Hilbert变换(HT)分析其时频聚集性,同时提取IMF分量的香农熵特征,最后用LSSVM进行训练和识别。结果表明,转向架蛇行失稳状态下的时频分布的聚集性较正常状态下好,并且MEEMD香农熵-LSSVM方法的识别率和计算耗时优于EEMD-SVM方法,识别率达到96.67%。 展开更多
关键词 蛇行运动 改进的集合经验模态分解(meemd) Hilbert-Huang变换(HHT) 香农熵 最小二乘法支持向量机(LSSVM)
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部