期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
3
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
自适应噪声完备经验模态分解排列熵结合支持向量机的心音分类方法研究
被引量:
6
1
作者
刘美君
吴全玉
+2 位作者
丁胜
潘玲佼
刘晓杰
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2022年第2期311-319,共9页
针对心音信号非平稳性、非线性的特征,为了更直观地把心音信号的特征显示出来,提高分类识别的高效性,提出了一种自适应噪声完备经验模态分解(CEEMDAN)排列熵作为心音信号的特征向量,通过支持向量机(SVM)进行心音分类识别的方法。首先,...
针对心音信号非平稳性、非线性的特征,为了更直观地把心音信号的特征显示出来,提高分类识别的高效性,提出了一种自适应噪声完备经验模态分解(CEEMDAN)排列熵作为心音信号的特征向量,通过支持向量机(SVM)进行心音分类识别的方法。首先,将原始心音信号进行CEEMDAN,得到若干从高频到低频的模态分量(IMF)。其次,利用IMF分量与原始信号的相关系数、能量因子和信噪比来优选IMF做Hilbert变换,得到分量信号的瞬时频率,再计算各IMF排列熵值组成特征向量。最后,将特征向量输入SVM二分类器进行正常与异常心音信号的分类识别。对源自2016年PhysioNet/CinC挑战赛的100例心音样本进行正常与异常的分类,准确度达到87%。研究表明本文方法相比于常用的EMD和EEMD排列熵的方法准确度提高了18%~24%,可见,CEEMDAN排列熵结合SVM的方法能够有效识别正常和异常心音。
展开更多
关键词
心音分类
自适应噪声完备经验模态分解
排列熵
支持向量机
原文传递
基于CEEMDAN-PCA-BiGRU的NO_(x)排放量预测
2
作者
张秋蓉
陈沛蓥
于湃
《电工技术》
2023年第22期97-101,共5页
NO_(x)排放量预测是优化NO_(x)减排的重要手段。设计了一种采用自适应噪声完全集合经验模态分解(CEEMDAN)与主成分分析(PCA)优化双向门控循环单元(BiGRU)输入的NO_(x)排放量预测模型。针对NO_(x)排放急剧变化和波动大的特点,采用CEEMDA...
NO_(x)排放量预测是优化NO_(x)减排的重要手段。设计了一种采用自适应噪声完全集合经验模态分解(CEEMDAN)与主成分分析(PCA)优化双向门控循环单元(BiGRU)输入的NO_(x)排放量预测模型。针对NO_(x)排放急剧变化和波动大的特点,采用CEEMDAN将出口NO_(x)含量分解为若干本征模态分量,再通过PCA方法对这些分量与其他电厂运行历史数据进行数据降维,最后将降维后的数据输入BiGRU进行训练,得到NO_(x)排放量的预测值。以国内某火电厂的真实数据进行的仿真实验表明,所提出的方法具有较高的预测性能。
展开更多
关键词
NO_(x)排放量预测
自适应噪声完全集合经验模态分解
主成分分析
双向门控循环单元
下载PDF
职称材料
基于CEEMDAN的地震信号高分辨率时频分析方法
被引量:
11
3
作者
尚平萍
李鹏
+1 位作者
杨安琪
陈学国
《石油物探》
EI
CSCD
北大核心
2019年第4期547-554,共8页
希尔伯特黄变换(Hilbert-Huang transform,HHT)作为一种时频分析方法,在含有间断信号的信号中或存在噪声干扰的信号中进行经验模态分解(empirical mode decomposition,EMD)时会产生模态混叠效应,为得到更准确的原始信号分析结果,精确重...
希尔伯特黄变换(Hilbert-Huang transform,HHT)作为一种时频分析方法,在含有间断信号的信号中或存在噪声干扰的信号中进行经验模态分解(empirical mode decomposition,EMD)时会产生模态混叠效应,为得到更准确的原始信号分析结果,精确重构原始信号,以自适应噪声的总体集合经验模态分解(complete ensemble empirical mode decomposition of adaptive noise,CEEMDAN)代替EMD并与希尔伯特变换(Hilbert transform,HT)相结合,构建了一种适应于非线性非平稳信号的高分辨率时频分析方法。采用该方法对模拟信号和实际资料进行了时频分析处理,并与传统的时频分析方法的处理结果进行了对比分析,结果表明基于CEEMDAN的时频分析方法在保证重构信号准确性和稳定性的前提下,可精确地重构原始信号,并获得精确的频谱,从而具有更高的时间和频率分辨率,它既是一种地震资料精细解释的有力工具,也为后续的含油气检测提供了有力的支撑。
展开更多
关键词
时频分析
经验模态分解
自适应噪声的总体集合经验模态分解
希尔伯特-黄变换
高分辨率
时频谱
下载PDF
职称材料
题名
自适应噪声完备经验模态分解排列熵结合支持向量机的心音分类方法研究
被引量:
6
1
作者
刘美君
吴全玉
丁胜
潘玲佼
刘晓杰
机构
江苏理工学院电气信息工程学院生物信息与医药工程研究所
出处
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2022年第2期311-319,共9页
基金
国家自然科学基金青年项目(62001196)
江苏省重点研发计划项目(BE2019317,BE2020648)。
文摘
针对心音信号非平稳性、非线性的特征,为了更直观地把心音信号的特征显示出来,提高分类识别的高效性,提出了一种自适应噪声完备经验模态分解(CEEMDAN)排列熵作为心音信号的特征向量,通过支持向量机(SVM)进行心音分类识别的方法。首先,将原始心音信号进行CEEMDAN,得到若干从高频到低频的模态分量(IMF)。其次,利用IMF分量与原始信号的相关系数、能量因子和信噪比来优选IMF做Hilbert变换,得到分量信号的瞬时频率,再计算各IMF排列熵值组成特征向量。最后,将特征向量输入SVM二分类器进行正常与异常心音信号的分类识别。对源自2016年PhysioNet/CinC挑战赛的100例心音样本进行正常与异常的分类,准确度达到87%。研究表明本文方法相比于常用的EMD和EEMD排列熵的方法准确度提高了18%~24%,可见,CEEMDAN排列熵结合SVM的方法能够有效识别正常和异常心音。
关键词
心音分类
自适应噪声完备经验模态分解
排列熵
支持向量机
Keywords
Heart
sound
classification
complete
ensemble
empirical
modal
decomposition
with
adaptive
noise
Permutation
entropy
Support
vector
machine
分类号
R318 [医药卫生—生物医学工程]
TN911.7 [医药卫生—基础医学]
TP181 [电子电信—通信与信息系统]
原文传递
题名
基于CEEMDAN-PCA-BiGRU的NO_(x)排放量预测
2
作者
张秋蓉
陈沛蓥
于湃
机构
华北电力大学控制与计算机工程学院
出处
《电工技术》
2023年第22期97-101,共5页
文摘
NO_(x)排放量预测是优化NO_(x)减排的重要手段。设计了一种采用自适应噪声完全集合经验模态分解(CEEMDAN)与主成分分析(PCA)优化双向门控循环单元(BiGRU)输入的NO_(x)排放量预测模型。针对NO_(x)排放急剧变化和波动大的特点,采用CEEMDAN将出口NO_(x)含量分解为若干本征模态分量,再通过PCA方法对这些分量与其他电厂运行历史数据进行数据降维,最后将降维后的数据输入BiGRU进行训练,得到NO_(x)排放量的预测值。以国内某火电厂的真实数据进行的仿真实验表明,所提出的方法具有较高的预测性能。
关键词
NO_(x)排放量预测
自适应噪声完全集合经验模态分解
主成分分析
双向门控循环单元
Keywords
NO_(x)emission
prediction
complete
ensemble
empirical
modal
decomposition
with
adaptive
noise
principal
component
analysis
Bi-directional
gated
recurrent
unit
分类号
TM611 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于CEEMDAN的地震信号高分辨率时频分析方法
被引量:
11
3
作者
尚平萍
李鹏
杨安琪
陈学国
机构
中国石油化工股份有限公司石油物探技术研究院
中国石油化工股份有限公司胜利油田分公司勘探开发研究院
出处
《石油物探》
EI
CSCD
北大核心
2019年第4期547-554,共8页
文摘
希尔伯特黄变换(Hilbert-Huang transform,HHT)作为一种时频分析方法,在含有间断信号的信号中或存在噪声干扰的信号中进行经验模态分解(empirical mode decomposition,EMD)时会产生模态混叠效应,为得到更准确的原始信号分析结果,精确重构原始信号,以自适应噪声的总体集合经验模态分解(complete ensemble empirical mode decomposition of adaptive noise,CEEMDAN)代替EMD并与希尔伯特变换(Hilbert transform,HT)相结合,构建了一种适应于非线性非平稳信号的高分辨率时频分析方法。采用该方法对模拟信号和实际资料进行了时频分析处理,并与传统的时频分析方法的处理结果进行了对比分析,结果表明基于CEEMDAN的时频分析方法在保证重构信号准确性和稳定性的前提下,可精确地重构原始信号,并获得精确的频谱,从而具有更高的时间和频率分辨率,它既是一种地震资料精细解释的有力工具,也为后续的含油气检测提供了有力的支撑。
关键词
时频分析
经验模态分解
自适应噪声的总体集合经验模态分解
希尔伯特-黄变换
高分辨率
时频谱
Keywords
time-frequency
analysis
empirical
mode
decomposition
(EMD)
complete
ensemble
empirical
modal
decomposition
with
adaptive
noise
(CEEMDAN)
Hilbert-Huang
transform
(HHT)
high
resolution
time-frequency
spectrum
分类号
P631 [天文地球—地质矿产勘探]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
自适应噪声完备经验模态分解排列熵结合支持向量机的心音分类方法研究
刘美君
吴全玉
丁胜
潘玲佼
刘晓杰
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2022
6
原文传递
2
基于CEEMDAN-PCA-BiGRU的NO_(x)排放量预测
张秋蓉
陈沛蓥
于湃
《电工技术》
2023
0
下载PDF
职称材料
3
基于CEEMDAN的地震信号高分辨率时频分析方法
尚平萍
李鹏
杨安琪
陈学国
《石油物探》
EI
CSCD
北大核心
2019
11
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部