用噪声残差似然估计改进经验模态分解基信号去噪方法

现有的基于经验模态分解(EMD)的信号去噪算法,用于幅值取阈以及信号重建的本征模函数(IMF)基本都是靠经验筛选,影响了算法的去噪性能。为解决这一问题,引入噪声残差似然估计(LE-RN)测度以建立IMF的优化筛选准则。由消噪后的重建信号与原始带噪信号,可以形成一个噪声残差(RN)分量。在不同去噪参数组合下,通过最大化RN分量与标准正态分布的对数似然,实现IMF分量的优化筛选。最终,形成一种改进的EMD基信号去噪方法。借助仿真消噪试验,通过与现有的EMD基去噪方法进行对比,验证了所提出的去噪参数优选准则及其改进EMD基去噪方法的有效性。