浅谈经验模态分析法在生物医学信号处理中的应用

介绍了可用于对生物医学信号进行分析和处理的新方法—经验模态分解(EMD),然后利用该方法对仿真的及实际的心电信号进行了去噪处理,处理结果表明,基于EMD的信号处理技术具有许多其它分析手段所不具备的特点,是一种新的可用于非平稳和非线性信号处理的方法。     

相关系数判决的EMD在振动数据趋势项提取中的应用

提出了一种利用经验模态分解提取振动数据中趋势项的新方法。采用经验模态分解将原始信号分解为若干固有模态函数,计算各IMF分量与原始信号的相关系数,以相关系数为判据,设定判定阈值对趋势项与真实信号的IMF分量进行区分。仿真模拟和工程试验数据处理结果证明,该方法对趋势项类型具有普适性,且不易受到模态混叠效应的影响。     

MEMD分解在舰船非平稳信号处理中的应用

在对舰船非平稳信号进行研究和分析时,希尔伯特-黄变换(HHT)方法表现出了其优越性,但此方法的核心算法EMD还存在缺陷.本文针对模态分解中出现的模态混迭现象进行分析,引入多分辨分析技术对经验模态分解方法进行改进一基于多分辨分析的经验模态分解方法(MEMD).通过对信号模拟试验,并与原始EMD方法的结果作比较,得出了此法...     

基于VDM与APSO优化极限学习机的船舶运动姿态预报

为提高船舶在海上运动的耐波性与适航性,并为解决具有非线性、随机性和非平稳性特点的船舶运动姿态难以准确预测的问题,提出运用一种基于变分模态分解和自适应粒子群算法优化极限学习机的组合预测模型。该算法首先利用变分模态分解将船舶运动姿态序列分解为一系列限带内本征模态函数,并且变分模态分解可以避免经验模态分解技术所产生的模态混叠和端点效应,可以降低序列的非平稳性对预测精度的影响;然后对各模态分量分别建立极限学习机预测模型,并用改进的粒子群算法对极限学习机的初始权值和阈值进行优化;最后将各模态分量预测结果进行叠加,得到最终的船舶运动姿态预测值。通过模拟试验测试并与其他传统的预测方法进行比较,结果表明所建立的组合预测模型具有更高的预测精度。     

一种通用型基于经验模态分解的小波阈值滤波方法研究

首先针对中高频水声信号,提出一种改进的经验模态分解加小波软阈值滤波方法;然后将信号进行带通滤波处理及经验模态分解,将分解得到的各个模态转换为频域信号,采用小波软阈值方法在频域上对这些模态进行滤波,最后对信号进行重构,并将其转换为时域信号。分别采用本方法和原时域上的小波阈值方法对不同频率的水声信号进行滤波,经计算分析可知,对频率小于800 Hz的水声信号,采用原方法可获得较好的滤波效果;当信号频率大于800 Hz时,采用本方法的滤波效果更好,因此应针对不同频率的水声信号,选择合适的滤波方法,以获得满意的滤波效果。     

一种通用型基于经验模态分解的小波阈值滤波方法研究

首先针对中高频水声信号,提出一种改进的经验模态分解加小波软阈值滤波方法;然后将信号进行带通滤波处理及经验模态分解,将分解得到的各个模态转换为频域信号,采用小波软阈值方法在频域上对这些模态进行滤波,最后对信号进行重构,并将其转换为时域信号。分别采用本方法和原时域上的小波阈值方法对不同频率的水声信号进行滤波,经计算分析可知,对频率小于800 Hz的水声信号,采用原方法可获得较好的滤波效果;当信号频率大于800 Hz时,采用本方法的滤波效果更好,因此应针对不同频率的水声信号,选择合适的滤波方法,以获得满意的滤波效果。     

结合EMD和功率谱熵的船舶轴频电场线谱提取

为实现强海洋背景噪声中的微弱船舶轴频电场信号检测,提出了一种结合经验模态分解(Empirical Mode Decomposition,EMD)和窄带子区间功率谱熵的线谱提取新算法。首先,利用EMD方法从含噪信号中分解出一组有效固有模态函数(Intrinsic Mode Functions,IMFs),对各有效IMF的功率谱进行子区间划分;其次,定义并计算各子区间的能量峰值熵比(Energy Peak Entropy Ratio,EPER)特征;最后,通过对轴频信号和环境噪声物理特征差异的分析,结合K-均值聚类方法进行特征量的筛选,实现线谱提取。海上实测数据的处理结果表明,相比于直接的功率谱分析,算法的线谱可提取下限降低了6.7 d B。     

结合EMD和功率谱熵的船舶轴频电场线谱提取

为实现强海洋背景噪声中的微弱船舶轴频电场信号检测,提出了一种结合经验模态分解(Empirical Mode Decomposition,EMD)和窄带子区间功率谱熵的线谱提取新算法.首先,利用EMD方法从含噪信号中分解出一组有效固有模态函数(Intrinsic Mode Functions,IMFs),对各有效IMF的功率谱进行子区间划分;其次,定义并计算各子区间的能量峰值熵比(Energy Peak Entropy Ratio,EPER)特征;最后,通过对轴频信号和环境噪声物理特征差异的分析,结合K-均值聚类方法进行特征量的筛选,实现线谱提取.海上实测数据的处理结果表明,相比于直接的功率谱分析,算法的线谱可提取下限降低了6.7 dB.     

坐底式深水网箱振动实测信号分析处理方法

为提高变分模态分解的精度,通过引入相关性分析及频域最大值分析,对模态阶次进行自适应调整,改善变分模态分解算法的性能。利用改进的方法对坐底式深水网箱的实测数据进行分析。结果表明,此方法可以自适应对测试信号进行分解,分解精度较高,适合于对坐底式深水网箱结构进行安全监测。     

基于EMD的船舶动力系统振动信号分析

为了提高船舶动力系统的故障分析和诊断能力,需要对振动信号进行模态分解和特征分析,提取有用的信号特征量,实现故障检测,提出基于经验模态分解(EMD)的船舶动力系统振动信号分析方法,采用宽带非平稳信号建模方法进行船舶动力振动信号建模,采用匹配滤波检测器对振动传感器采集的原始信号进行降噪滤波处理,对降噪输出的信号进行经验模态分解,提取信号的所有局部极值点,用三次样条曲线分析方法提取振动信号的复包络,实现信号特征提取和分析。仿真结果表明,该方法提取的信号特征量能有效反映船舶动力系统的工况特征,实现船舶动力系统的运行状态实时监测和故障分析,信号分析的抗干扰能力较强。     

基于改进EEMD的船用柴油机缸套-活塞环故障诊断方法

船用柴油机缸套-活塞环发生故障时，振动信号呈现非线性、非平稳性特征且故障特征模糊、隐蔽。文章提出一种基于改进集成经验模态分解（EEMD）的故障诊断方法。通过设计固有模态函数（IMF）信息筛选准则对EEMD分解出的固有模态分量（IMFs）进行重新排序，筛去低质量的IMFs，以此获得包含更多能体现故障特征成分的重构信号，经该方法处理的信号再送入到分类器中进行识别和分类故障，实现船用柴油机缸套-活塞环的故障诊断。试验结果表明：与原EEMD诊断方法相比，该改进方法识别率更高，故障诊断效果更好。     

利用经验模态分解-最小均方算法进行舰船辐射噪声仿真信号线谱分析

舰船等海上作业平台会产生各种各样的振动,这些船体上的振动以辐射的方式传入海水中,形成舰船辐射噪声,分析和提取舰船辐射噪声信号在军事领域和海洋探测领域等具有重要意义。本文在小波变换处理噪声信号的基础上,利用经验模态分解-最小均方算法对舰船辐射噪声进行仿真信号线谱分析,取得良好的降噪效果。     

船用多轴齿轮传动过程耦合非线性振动特性分析

船用多轴齿轮故障识别以振动特性作为判定依据,为提高后期故障识别质量,提出基于改进EEMD算法的船用多轴齿轮传动过程耦合非线性振动特性分析方法。该研究分为两部分,前一部分利用谐振传感器采集多轴齿轮振动信号;后一部分利用改进EEMD算法(集合经验模态分解算法)分解多轴齿轮振动信号,得到若干个包含故障特性频率的IMF向量,并计算每个IMF向量的奇异值熵,利用奇异值熵定量表示多轴齿轮振动特性。结果表明:正常状态下的船用多轴齿轮运行下,奇异值熵一般小于0.1,而一旦当齿轮发生故障,其奇异值熵就会大大增加,一般会超过0.1。     

基于EEMD和EIIKF的船舶轴系状态趋势预测研究

监测、分析、预测轴系的状态数据对保障船舶动力系统正常工作具有重要意义。基于船舶轴系振动状态监测,提出集合经验模态分解(EEMD)和增强型间歇性未知输入卡尔曼滤波器(EIIKF)相结合的故障趋势预测方法。在进行模态分解前,通过加入白噪声信号优化信号的可分解性,避免出现模态混叠。进而对滤波重构后的信号进行序贯分析得到振动信号的特征曲线,采用EIIKF方法对特征曲线分析预测,并通过引入间歇性参数,对部分未知输入项带来的不确定性进行补偿。在此基础上通过故障判别模型进行故障诊断,实现基于轴系振动信号的故障预测。利用实测故障样本数据对所提出的方法进行验证,其预测结果的及时性和准确性均优于一般模态分解和卡尔曼滤波器预测的方法,验证了改进后方法的有效性和优越性。     

一种基于经验模态分解的雷达信号降噪处理技术

不论是军用舰船还是民用船舶,雷达系统都是必不可少的组成部分,起到通信、导航、定位等重要功能。由于雷达系统在运行时会产生各种干扰信号,如地面杂波信号、气象杂波信号等,因此,要想提高雷达系统的精度,就必须要对雷达系统的信号进行滤波和降噪处理。经验模态分解技术是一种适用于非线性系统的时域-频域分析技术,有助于雷达信号的降噪、特征信息提取等。本文系统介绍了经验模态分解技术的原理,重点研究了船载监控雷达信号降噪与分析技术。     

稠密度聚类在舰船网络微弱信号自适应增强中的应用

提升舰船网络信号及整体通信质量,提出基于稠密度聚类的舰船网络微弱信号自适应增强方法.应用稠密度聚类算法检测出舰船网络微弱信号,通过经验模态分解法分解微弱信号,结合小波变换法与奇异谱分析法去除的噪声,实现舰船网络微弱信号增强信.结果表明,该方法能够有效分解所检出微弱信号,并进行分量去噪处理,去噪后各信号分量不仅保留原有细...     

基于PSO-SVM的柴油机故障诊断研究

文章以船舶柴油机表面振动信号作为故障诊断的对象,使用经验模态分解(EMD)结合小波阈值法对振动信号进行分解和降噪,再通过PSO-SVM方法对数据样本进行故障诊断。通过对比原始信号和重构信号在PSO-SVM算法计算之后的结果,经过降噪后的振动信号能很好地保持自身特性,可以很好地去除其中冗余、无效的信号,在提升诊断准确率的同时,还可以提高诊断速度。     

基于极点对称模态分解和支持向量机的船用齿轮箱故障诊断

针对船用齿轮箱故障难以识别的问题,提出了将极点对称模态分解(Extreme-point Symmetric Mode Decomposition, ESMD)和支持向量机(Support Vector Machine, SVM)相结合的故障诊断方法。先将船用齿轮箱振动信号进行ESMD分解,可得到一系列模态和一条最佳自适应全局均线。以分解模态与原始信号的能量比值为相关度衡量标准,将相关度较高的前三个模态分别作奇异值分解并得到奇异值矩阵。经过归一化处理后,输入支持向量机训练获得多分类诊断模型,并进行测试。测试结果表明,相比经验模态分解(Empirical Mode Decomposition, EMD)与SVM结合的方法,本文的方法能更好地对船用齿轮箱故障作出诊断和预测。     

海面通信信号处理技术研究

为保证船舶在海面上的行驶安全,与岸上基站保持实时通信十分必要。鉴于此,为提高实时通信质量,进行海面通信信号处理研究具有重要的现实意义。首先利用经验模态分解技术分解得到独立IMF分量,然后利用独立成分分析解模态混叠现象,最后进行源通信信号重构,实现海面通信信号去噪。结果表明,与基于异构补偿的自适应反馈滤波方法、独立成分分析法和经验模态分解法相比,经研究方法去噪后,信噪比(SNR)和均方误差(RMSE)均要更优,证明了方法的去噪处理效果。     

高海情下舰船摇荡预报新方法

在高海情下,舰载机起降、双船或多船补给等海上作业都具有较高的风险性,为了避免发生事故,有必要对舰船的摇荡进行预报.此文介绍了两种新方法微成分分析预报方法和基于经验模态分解的预报方法.微成分分析预报方法预报时间较长;基于经验模态分解的预报方法可以对非平稳信号进行处理,更接近于海上实际情况.