共查询到10条相似文献，搜索用时 156 毫秒
1.
于绍慧 《合肥师范学院学报》2013,31(3)
分析了目前两类去噪方法的优缺点.针对荧光光谱信号与高斯白噪声在频率上的差异,重点探讨了以光谱信号提取为主的去噪方法.对经验模态分解的相关理论进行了分析,提出了基于经验模态分解的荧光光谱信号的去噪算法,并与小波去噪法进行了对比,验证了经验模态分解在提高荧光光谱信号的信噪比上的优势. 相似文献
2.
基于经验模态分解的筛选条件研究 总被引：1，自引：0，他引：1
经验模态分解是Hilbert—Huang变换（HHT）的关键算法,它分解信号的能力直接影响到HHT的实用性和应用价值．为了研究经验模态分解对多分量复合信号的筛选条件,我们主要研究了在理想条件下经验模态分解筛选过程的特性及其对双分量信号模型的筛选条件,然后推出经验模态分解对多分量复合信号的筛选条件,并给出相应数值实验分析． 相似文献
3.
岳霞丽 《教育前沿(综合版)》2015,(1)
机械设备故障信号的调制特性使得包络解调分析能够有效地提高信噪比和分析效果,能比较有效地诊断机械设备的早期故障,因此,包络分析一直是机械设备故障诊断的热点,也是最成功的诊断方法之一。丁康等提出了一种用复解析带通滤波器的包络分析,将希尔伯特变换和带通滤波合为一体,把不包含故障信息的信号滤掉,并且避免了广义检波滤波解调分析中的混频现象。文献为了克服包络谱分析需要人为设定带通滤波的中心频率和带宽的缺点,提出了基于经验模式分解的包络谱分析,利用经验模式分解自适应地把机械设备振动信号从高到低分解到不同的频带,然后选择包含故障信号最丰富的高频带作包络分析,从而实现轴承不同工作状态的识别。 相似文献
4.
5.
耿子康 《绵阳师范学院学报》2023,(8):42-47+57
对故障信号进行分离可以提升城轨机电设备稳定性,为提高城轨机电设备故障信号分离效率,提出了基于TD-LTE技术的城轨机电设备故障信号分离方法.根据非线性函数将设备低维故障信号特征映射到高维空间,引入惩罚函数,对机电设备故障信号进行分类,结合拉格朗日因子算法,提取城轨机电设备故障特征.根据城轨机电设备结构,分析了机电设备受力情况,分析列车受力的传递过程,构建城轨机电设备动力学模型.利用TD-LTE技术采集网络无线接口有关的数据,通过线性瞬时混合,输出机电设备故障观测信号,结合经验模式分解,实现城轨机电设备故障信号的分离.实验结果表明,本方法能够分离出城轨机电设备故障信号,并将误码率和精度分别控制在10%以内和85%以上,大大提高了故障信号的分离效果. 相似文献
6.
从实时监测电压波动和闪变信号的角度出发,研究了基于小波多分辨率分解的电压闪变分析方法;利用小波变换的多分辨率分析方法,对电压闪变信号进行了检波与分解,并提取出电压波动信号的频率和幅值。从而得到反映电压闪变的参数。 相似文献
7.
本将一种基于经验的模式分解算法(EMD)和希尔伯特时频谱的方法用于非平稳非线性信号分析中。通过和小波变换比较，发现它能获得比小波交换等方法更好的时频分辨率，为我们研究和分析非平稳非线性信号提供了一种新的方法。 相似文献
8.
经验模态分解(EMD)是以信号极值特征尺度为度量的时空滤波器,它充分保留了信号本身的非线性和非平稳特征,在信号去噪中具有较大的优势.本文以电力绝缘气体SF6为研究对象,在介绍EMD分解方法的基础上,首先对含噪的SF6光谱信号做EMD分解,得到各阶本征模态函数(IMF),然后对高频的IMF分量用阈值法进行处理,把经过阈值处理后的高频IMF分量与低频IMF分量叠加重构得到去噪后的信号.分析了在不同噪声水平上与小波阈值去噪方法的处理效果.实验结果表明EMD阈值去噪法有效地去除了噪声,较好地保留了光谱的细节信息,与小波阈值去噪方法相比较具有自适应的优势. 相似文献
9.
经验模态分解(EMD)广泛应用在故障分析过程中,特征提取时从状态信息中提取与机械设备故障有关的信息［1］。针对经验模态分解受噪声影响较大的问题,提出多分辨奇异值分解的方法,可以先利用多分辨奇异值分解将信号分成具有不同分辨率的近似信号和细节信号实现信号降噪,再进行经验模态分解,并计算其Hilbert边际谱得到准确的特征频率。实验通过仿真信号和滚动轴承故障特征提取,证明了多分辨奇异值分解（MRSVD-EMD）方法在滚动轴承故障诊断中能有效去除信号中的噪声成分,提取故障特征频率。 相似文献
10.
针对低信噪比信号的去噪问题,提出了一种基于经验模态分解的小波阈值去噪方法,并与小波变换去噪法的效果相比较.试验结果证明,当信号的信噪比较小时,基于经验模态分解的小渡阈值去噪效果是相当有效和稳定的,为研究环境脉动下结构的输出信号去噪处理提供了新的手段. 相似文献