经验模式分解(EMD)及其应用

经验模式分解(Empirical Mode Decomposition,EMD)是一种数据驱动的自适应非线性时变信号分解方法,可以把数据分解成具有物理意义的少数几个模式函数分量.本文总结归纳了一维EMD、二维EMD方面的主要工作,比较了不同方法存在的优点与不足,指出了EMD研究存在的难题和瓶颈,并给出了EMD研究与应用的发展趋势.

经验模式分解及其应用研究

经验模式分解(Empirical Mode Decomposition,EMD)是一种完全由数据驱动的自适应非线性时变信号分解方法,它将数据分解成具有物理意义的几个内蕴模式函数分量。介绍了一维EMD、二维EMD的基本概念、主要算法及其主要应用,指出了EMD的主要优点和缺点,给出了EMD研究与应用的发展趋势。

基于经验模式分解的图像增强研究

图像增强是图像处理的一个重要方面。提出了基于经验模式分解的图像增强方法:对图像进行经验模式分解(EMD),得到多个不同分辨率的内蕴模式函数图层和一个趋势图层,通过调节内蕴模式函数图层和(或)趋势图层增强图像。实验结果表明,基于经验模式分解的图像增强方法能够增强图像的细节和亮度,是一种有效的图像增强方法。

基于经验模式分解的数字曲线光顺算法

将数字曲线视为离散几何信号,提出了一种基于经验模式分解(EMD)的数字曲线光顺算法。该算法对数字曲线进行一维参数化,将曲线展开成一维信号;采用EMD对展开信号进行多分辨率分解,得到不同尺度下的内蕴模式函数(IMF),去除高频的IMF,重构信号;将重构信号逆映射回二维,得到光顺后的曲线。实验结果表明,该算法可得到很好的曲线光顺效果。

基于限邻域EMD的图像增强

提出了基于限邻域经验模式分解(Neighborhood Lim ited EmpiricalMode Decomposition,NLEMD)的图像增强新算法.二维NLEMD是在Huang等人EMD自适应特性基础上通过设定最大邻域(时宽)和采用邻域内局部自适应均值算法代替包络均值算法进行分解,克服以往EMD分解算法出现的灰度斑现象.本文通过NLEMD对图像细节信息的强挖掘能力来获取图像中的高频边缘信息,最后根据剩余量的整体亮度均值和整体亮度对比度自动调整剩余量来调整图像的整体亮度.实验结果证明,与以往传统增强算法相比,本文算法具有更强的细节获取能力和整体亮度可控性,增强效果优于以往传统算法.

多分量到单分量可用EMD分解的条件及判据

基于数据时域局部特征的EMD分解算法可把复杂的数据分解成有限、少量几个内蕴模式函数分量,是一种数据驱动的自适应时频分析方法．文中将Huang的EMD分解定性为从多分量信号到单分量信号的分解算法,并给出了多分量到单分量可用EMD分解的条件,而且通过建立二级极值点结构,给出了从多分量到单分量用EMD分解的极值点判断准则．通过大量实验,验证了可分解条件及判据的合理性．

基于EMD的四边域曲面光顺算法

曲面光顺在计算机辅助几何设计(CAGD)中有重要应用,带噪声离散曲面可视为一种非平稳离散几何信号。经验模式分解(EMD)方法是分析非线性、非平稳信号的有效方法。提出了一种空间任意曲线EMD光顺方法和基于2维可分离的EMD曲面光顺方法。针对四边域离散曲面可视为U和V离散曲线构成的网格,且U和V曲线呈现空间任意形态。空间曲线光顺中,首先对数字曲线进行1维参数化,将曲线展开成1维信号;然后采用EMD对展开信号进行多分辨率分解,得到不同尺度下的内蕴模式函数(IMF),去除高频的IMF,重构信号;最后将重构信号逆映射回3维,得到光顺后的曲线。四边域曲面沿每条U,V线进行EMD光顺处理,得到光顺后曲面。实验结果表明,该方法可有效剔除曲面上的随机噪声,达到良好的曲面光顺效果。

基于人眼视觉特性的云雾图像增强方法

针对云雾图像对比度低、照度低、色彩失真、边缘模糊的问题,提出一种基于人眼视觉特性的云雾图像增强方法。采用二维经验模式分解方法,得到多个不同尺度的内蕴模式函数图像和一个趋势图像,根据视觉适应模型对分解所得的内蕴模式函数图像和趋势图像进行调整,将人眼视觉特性融入其中。实验结果表明,增强后的图像照度、对比度适中,更适合人眼观察。

基于局域波分解的地震信号时频属性提取

局域波分解可以得到有意义的频率并可以抑制时频分布交叉项,是1种新的自适应信号分解方法。在局域波分解基本原理的基础上,研究基于局域波分解的地震信号分频谱及频率属性的提取方法。将局域波分解与传统时频分析结合,进行有效数值实现与对比分析,通过模型地震数据与实际2D地震数据试算验证方法的正确性和有效性。研究表明:基于局域波分解的Wigner时频分布分频谱,具有较高的时频分辨率,交叉项得到简单有效的抑制;基于局域波分解的时频分析方法计算提取的频率属性,避免无意义的负频率,物理意义明确,为在地震储层研究和油气检测中的正确应用奠定基础。

基于二维经验模态分解的织疵分割算法改进

针对纺织行业织物疵点检测自动化的需求,提出了基于二维经验模态分解(BEMD)的织物疵点分割方法的改进。在BEMD算法中,使用基于Delaunay三角化(DT)的三次样条分段插值替代基于径向基函数(RBF)的全局插值,以提高计算效率和分解有效性。在BEMD的分解结果中,选择第二个和第三个内蕴模式函数(IMF)进行融合后进行分割以提高疵点分割结果的完整性。实验中以多幅典型的疵点织物为样本,对比了不同插值方法和分割对象的检测误差率(DER),结果显示改进后的疵点分割方法具有更好的计算效率和鲁棒性。

基于EMD分解的探地雷达信号瞬时频率分析

介绍了Hilbert-Huang变换中经验模式分解(EMD)的基本原理;讨论了实际探地雷达信号处理中EMD分解的终止条件;给出了利用内蕴模式函数(IMF)计算信号瞬时频率的计算公式。实际探地雷达剖面的HHT(Hilbert-Huang Transform)分析表明,由IMF得到的瞬时频率剖面对埋地目标的识别能力明显优于直接由探地雷达信号得到的瞬时频率剖面,并讨论了IMF的多分辨率特性。

基于二维EMD算法的多光谱全色图像融合

为了获得图像的更多信息,全色图像和多光谱图像融合技术被广泛用于获取具有高空间分辨率的全色图像和多光谱图像的信息,以便更好地应用于军事、航空等领域。但目前,多光谱全色图像融合算法中存在色彩失真,波段受限等不足。为了获得图像信息,利用二维经验模式分解(EMD)的方法在处理非平稳信号等方面具有的明显优势,提出二维EMD的新颖图像融合算法。通过在二维经验模式分解(EMD)中创新性地引入开放角,算法将全色图像和多光谱图像分解成若干内蕴模式函数(IMF)和一个残差;然后,用全色图像的高频IMF替换多光谱图像的高频IMF;最后,通过重建混合多光谱图像的IMF获得融合图像。进行仿真,实验结果表明,改进的算法对图像融合是有效的,可为实际研究提供依据。

基于经验模态分解的Wigner-Ville时频分布

针对利用Wigner-Ville分布进行时频分析时受交叉项干扰的缺点,提出了基于经验模态分解的Wigner-Ville时频分布方法。首先通过经验模态分解使非平稳信号平稳化,将信号分解成为多个相互独立且具有简单频率成分的内蕴模式函数,然后对这些内蕴模式函数分别计算Wigner-Ville分布,最后重构原始信号的Wigner-Ville分布。通过理论模型和实际地震信号分析验证了该方法在降低交叉项干扰、提高时频分析精度方面的有效性。

利用经验模态分解的QRS综合波检测

在分析心电信号能量分布特点基础上,利用经验模态分解(EMD)方法的自适应数据分析特性提出了一种QRS综合波检测方案.采用完全数据驱动的EMD方法将心电信号分解成一组内蕴模式函数(IMFs).求取各内蕴模式函数的能量并归一化,根据能量分布的特点确定信号是否存在电平整体偏置、基线漂移、高大T波等影响QRS综合波检测的因素,并采取相应的抑制措施.然后以较简单的可调阈值进行判定,并采取一系列防错检、防漏检措施来准确定位QRS综合波.采用MIT-BIH Arrythmia Database对该方法进行了验证,平均正确检测率高达99.91%.结果表明,该方法是一种高效的QRS综合波检测算法.

局域波分解在被动测向声纳中的应用

局域波分解可以把复杂信号分解为有限个内蕴模式函数和一个趋势项,这个过程相当于在时间域上对不同的频率信号进行分类。不同的内蕴模式函数分量代表了不同频率分量的信号成分,利用海洋环境噪声与目标信号频域特征或相关函数的不同,滤除被动测向声纳接收信号中的海洋环境噪声,提高输入信号的信噪比,进而提高被动测向声纳的检测性能。提出了基于局域波分解的被动测向声纳信号检测模型。计算机仿真结果表明,相对于传统的二元被动测向声纳检测模型,基于局域波分解的信号检测模型可以有效提高被动测向声纳的检测性能。