EMD算法在超声波流量检测信号处理中的应用

准确定位时差式超声波流量计中的超声波回波到达时刻是决定流量计精度的关键。文章介绍了一种利用EMD算法来对回波信号进行消噪处理,以提高测量精度的方法。

基于矩阵运算的二维EMD算法

为利用人类视觉冗余,达到更高嵌入率,在EMD算法的基础上提出一种二维高嵌入率的空域隐写算法。将载体图像像素序列划分成大小为m×n的矩阵块,结合EMD算法与矩阵运算将编码后的秘密数据,分别独立地嵌入到矩阵块的行和列上,通过性能分析得出矩阵块的行数m的最佳取值为1。实验结果表明,相比EMD算法,该算法的嵌入率有较大提高。

基于改进EMD算法的小电流接地故障选线

小电流接地系统发生单相接地故障,故障电流暂态分量复杂、稳态分量不明显的特点为可靠选线带来困难。本文分析了小电流接地故障电流暂态分量特征,并提出一种基于改进EMD算法的小电流接地故障选线方法。EMD算法通过叠加电网特征高频信号解决了IMF模态混叠并可靠滤除了高频干扰。基于单相接地故障电流经改进EMD分解出的IMF在不同故障角下展现出不同的特征,分别利用故障时刻低频波形的单调性与线路故障特征能量作为判据进行小电流接地故障选线。基于Matlab/Simulink的配电网单相接地故障仿真验证了该选线方法的有效性。

基于EMD算法和小波变换的6分量天平数据处理

针对在风洞试验中,6分量天平采集到的数据如何消除干扰的问题,提出了一种结合EMD算法和小波变换的处理方法。从天平的设计角度来考虑数据中可能含有的干扰成分,指出干扰成分与数据的时频关系,在理论上说明该方法的合理性。通过仿真试验还原数据,并与传统的消除干扰算法做误差对比,验证该方法相比于传统方法有着更好的准确性。最后对真实6分量天平数据进行处理,进一步证明该方法的实际可行性。

基于EMD算法的海杂波信号去噪

为有效提取噪声背景下的海杂波信号,针对实际海杂波信号非线性非平稳的特点,提出基于EMD算法对实测海杂波数据去噪。对噪声水平未知条件下,EMD算法分解的哪些内蕴模式是信号部分难以有效界定的问题,提出基于噪声主要在高频段且能量较小、信号能量主要集中在低频段思想的噪声判断准则。为验证EMD去噪效果,将该算法对含有噪声的海杂波实测数据进行去噪,采用信噪比和均方差两项指标衡量去噪效果,并与均值、中值、db2小波等去噪方法对比,EMD算法在这两项指标均优于其他算法,说明EMD算法对海杂波数据去噪是有效的。

基于非均匀B样条插值的EMD算法

经验模态分解(EMD)是一种非平稳信号分析方法,存在分解不完全的问题。采用非均匀B样条插值生成包络线,得到了一种新的EMD算法,以实现准确的经验模态分解。针对同一信号给出的对比仿真,表明了算法的有效性。区别于传统算法的非均匀参数化方法具有精度高、实用性强的特点,利于多元推广。

EMD算法和Hilbert算法混合的语音信号降噪和提取

针对语音信号降噪和提取算法存在降噪效果不佳等问题,已经无法满足现在社会的需求。本文提出一种基于改进EMD算法和Hilbert算法混合的语音信号降噪和提取方法,首先针对EMD算法在语音信号降噪可能破坏噪声特性的问题,利用全局阈值选择去噪的方法对其进行改进,然后引入Hil-bert算法将其与EMD算法融合,对语音信号进行降噪和提取。利用仿真实验可以发现:将EMD算法和Hilbert算法进行混合优化,和传统的小波变换语音信号降噪算法,不容易出现差错并且具有更好的降噪性能。

EMD算法在移频信号解调中的应用研究

随着我国列车运行速度的不断提高,对列车运行自动控制系统的可靠性和安全性提出越来越高的要求。现存的算法大多考虑纯净的或SNR较高的移频信号。为了实现在强噪声背景下移频信号的可靠、准确解调,本文提出了一种基于EMD分解算法的移频信号解调方法,并进行了计算机仿真。仿真结果表明,用EMD分解算法能够从强噪声背景下分解出移频信号,结合FFT变换,可以实现移频信号的解调。与现存的算法比较,本文的算法简单,可实时性好。

EMD算法应用于OFDM系统频偏估计的新方法

提出了一种利用经验模态分解(empirical mode decomposition,EMD)技术估计正交频分复用系统(orthogonal frequency division multiplexing,OFDM)频偏的新方法。传统的OFDM系统频偏估计算法通常需要获得多路混合信号,而新方法仅需要利用相关检测处理单路的OFDM信号,再通过EMD模态分解算法分离出各路子载波信息,即可估计出OFDM系统频偏。与传统的OFDM系统频偏估计方法相比,新方法不依赖源信号的统计特性和信道状态信息,不需要额外带宽,降低了系统的实现复杂度。仿真结果表明,该方法具有较高的频偏估计精度。

基于EMD算法的煤层透射槽波信号提纯

透射槽波勘探是井下地震勘探的主要方式之一,具有探测范围大、准确率高等优点。然而井下地震信号信噪比低,远偏移距槽波信号易被噪声所淹没而无法识别,为槽波的后续处理与解释带来困难。针对这一问题,采用EMD算法对原始信号进行分解,选取并增强分解结果中的有效信号,从而实现槽波信号的提纯。实际工程中的应用效果表明,经过提纯后的地震数据,具有较少的噪声成分和较为清晰的槽波波列。

面向井下大规模人群的EMD算法设计与仿真

近年来,矿井数量不断增多,井下安全问题日益显著.在矿难发生以后,针对险情迅速确定最佳撤离路线成为一项重点研究工作.本文以整体的角度进行考量,对矿山紧急事故中最优路线的确定进行研究,面向井下大规模人群,提出了一种EMD应急疏导算法,可以针对井下复杂环境来快速规划出最佳逃生路线.该算法首先根据全局最优的思想,设计基于EMD的静态大规模人群应急疏导算法,以此在整体上确定最优的撤离路线;其次,通过环境以及位置检测,根据井下环境以及人员的实时位置来运行EMD算法,根据上一时刻的状态不断迭代,以此实现动态的EMD算法,以动态规划最优的逃生路线.本文以Dijkstra为基准,通过静态EMD算法以及动态EMD算法的仿真实验,借助随机网络图模拟以及实际井下仿真验证了本文所提出方法的有效性.

基于EMD算法的切换系列区分及时空转换参数选取仿真

鉴于由于个人隐私而导致的数据获取困难问题,依托基于无线通信网络与交通集成仿真的手机切换数据平台采集手机数据,用EMD算法将不同道路切换序列的差异程度进行量化区分,根据时空转换参数ρ的不同取值得到相邻道路、不同道路之间手机切换序列对的EMD。结果表明:将EMD算法应用于不同道路序列的区分是可行的,ρ的选值不影响该算法应用的效果。

基于EMD-相关性算法的谐振接地系统故障选线新方法

为准确选出谐振接地系统单相接地故障线路,提出了基于EMD算法与相关性理论相结合的故障选线新方法。根据谐振接地系统发生单相接地故障时故障线路与健全线路暂态零序电流之间的差异,用EMD算法对各馈线零序电流的暂态故障分量数据进行分解,提取其主振荡频带信息。利用故障馈线与健全馈线的零序电流主振荡频带相关性最弱的特征,对故障零序电流的主振荡频带分量在一定数据窗下进行综合相关性分析,选择综合相关系数最小对应的馈线为故障馈线。大量仿真结果表明该选线方法准确、可靠。

基于EMD分解算法的长距离特高压输电线路接地故障定位

由于传统方法在长距离特高压输电线路接地故障定位中应用效果不佳,不仅定位结果相对误差较大,而且定位时间较长,无法达到预期的定位效果,因此提出基于EMD分解算法的长距离特高压输电线路接地故障定位。利用电压传感器采集输电线路电压信号,通过EMD分解算法对信号进行分解处理,提取信号时域特征,根据时域特征确定接地故障位置,以此实现基于EMD分解算法的长距离特高压输电线路接地故障定位。经实验证明,设计方法定位结果相对误差在2 m以内,定位用时在1 s以内,在长距离特高压输电线路接地故障定位方面具有良好的应用效果。

基于EMD聚类算法的配电网单相接地故障选线方法

谐振接地系统发生单相接地故障时故障信号不易处理。为准确选出故障线路,提出一种基于EMD算法和以欧氏距离为基础的聚类算法相结合的故障选线方法。根据谐振接地系统单相接地故障后零序暂态电流的特性——故障线路的零序暂态电流幅值远大于各健全线路的零序暂态电流幅值并且极性相反,首先对各馈线暂态零序电流进行EMD分解并提取主振荡频带电流信号,然后求取各馈线主振荡频带电流信号的综合欧氏距离,以此为基础对各馈线进行排序和聚类,由聚类结果确定故障线路。仿真结果表明,该方法准确、可靠。

基于EMD的SAR与全色影像融合算法

针对传统融合方法不能有效处理非线性、非平稳信号等问题,提出一种基于经验模态分解(EMD)的合成孔径雷达(SAR)与全色影像融合方法。该方法首先对全色影像和降噪后的SAR影像进行EMD分解,然后采用基于区域特征的融合规则分别对高频和低频部分进行融合,最后通过EMD逆变换得到融合图像。该方法可以有效处理非线性、非平稳信号且具有完全自适应性。实验结果表明,基于该算法的融合图像满足图像融合要求,且融合效果优于小波变换法及曲波变换。

基于RKF-EMD的禽类无线动态自适应称重系统

针对禽类养殖过程中人工称重费时费力、造成动物应激以及电子仪器易被破坏等问题,设计了一套适用于禽类的无线动态自适应称重系统。系统将经验模态分解和鲁棒卡尔曼滤波结合并做出适应性改进;针对秤台因粪便和饲料堆积造成的称重零点偏移问题,创新性提出了一种基于队列的自动去皮算法。通过在肉鸡养殖场实际应用和监测验证,结果表明,本文设计的适用于禽类的无线动态自适应称重系统能够快速准确地获得动物体重,且具有良好的自适应性、稳定性和鲁棒性。

基于EMD分析法和改进的BP算法的车牌字符识别

保证最优的分解效果和克服传统的BP网络训练速度慢和易陷入局部最小等缺点,首先通过EMD中的IMF分量的引入,对每一个基本模式分量进行波间与波内频率与幅度调制,得到一个可变幅度与可变频率的信号描述方法,从而实现信号的一次筛选.然后利用竖直方向的投影具有波峰、波谷间隔出现的特性,将字符进行分割.最后将分割的字符大小归一化后,送入采用动量因子的改进的BP神经网络进行字符识别.实验结果表明该识别方法可以改进信号分解或展开的效率,提高识别速度和精度.

基于EMD的井中雷达信号预处理

针对井中雷达数据因环境复杂易受到“污染”而很难提取出有效数据的问题,基于经验模态分解方法(EMD)提出了二维模态经验分解方法(BEMD),该方法对井中雷达信号预处理的时频域分解算法进行分析,将其拓展至高维进行信号处理。仿真结果表明,二维模态经验分解能够有效剔除高频、低频的干扰,较一维的模态经验分解有较大的改进,验证了该方法具备应用于井中雷达数据处理的潜力。

基于EMD-SSA-LSTM模型的城市轨道交通站点客流预测

文中基于EMD和SSA算法,对LSTM神经网络进行优化,提出一种新的组合预测模型.利用EMD算法降低数据噪点的干扰,将短时客流数据分解为多个IMF和一个残差.利用SSA算法优化LSTM网络的隐含层神经元个数、学习率以及迭代次数.利用优化后的LSTM模型对各个IMF进行预测,由各IMF的预测结果求和得到最终的预测值.利用杭州市客流量最大的站点火车东站客流量数据进行验证,并与BP神经网络、LSTM神经网络以及SSA-LSTM模型的预测结果相比较.结果表明:在针对工作日和非工作日的短时客流预测中,EMD-SSA-LSTM组合模型的预测误差均低于其他3种模型,且工作日与非工作日的预测值与真实值之间可决系数分别为0.9995,0.998,验证了本文提出的组合模型的有效性,并且提高了预测精度.