基于低通滤波和经验模态分解的舰船耐波性试验信号分析方法研究

针对舰船耐波性实测信号中趋势项难以消除而影响滤波精度这一问题,采用经验模态分解方法消除趋势项的影响。根据舰船对波浪运动响应的低频特点,在经验模态分解前先进行低通滤波,可使实测运动信号中的谱峰频率处在相对高频位置,减少EMD迭代次数,并使有用信息包含在第一个IMF中,方便对有用模态的识别。还针对实船耐波性试验无法直接获得垂荡位移的实际问题,对垂向运动加速度联合采用低通滤波、数值积分和EMD去趋势项消除积分误差的方法获得垂荡,通过模型耐波性试验以及对实舰横摇角速度采用该方法求得的横摇与实测横摇的比较,验证了该方法在舰船耐波性实测信号分析中的有效性。

基于经验模态分解的汽车发动机进/排气管道低噪声抑制法

为降低汽车发动机进/排气管道内的噪声,提高发动机的稳定性和使用寿命,提出基于经验模态分解的汽车发动机进/排气管道低噪声经验模态分解抑制法。分别计算了发动机排气基频噪声与多气缸进气噪声,得到了发动机进/排气的共振噪声。基于经验模态分解算法构造了发动机的噪声分量,通过计算其极大值与极小值的包络平均值,得到每一个噪声点相对于极值点的残余量,并将发动机的噪声信号分解为不同的单元分量。在噪声收敛系数以及噪声模态分解机制下,设计了发动机进排低噪声抑制算法。实验结果表明:该算法对噪声的抑制具有一定的效果;消声器数量越多,噪声的传递损失越大;在消声器的消声容积中,传递损失分别与扩张比和扩张式结构长度成正比;管道直径大于36 mm且管道长度为150 mm时,噪声抑制效果最好,而在发动机全功率运行时,需要保证管道直径小于32 mm且长度为150 mm。

基于递归高通滤波的经验模态分解及其在地震信号分析中的应用

将地震信号分解成包含频谱互不重叠的单主周期的分量有利于地震信号的分析.分析了经验模态分解(EMD)中模态混叠的内在原因和已有的解决方法,梳理了解决模态混叠的思路框架,进而提出了一种新的基于输入递归高通滤波的EMD算法.首先用递归高通滤波器将信号预分解成频率由高到低的多个分量,实现信号的等价带通滤波,再用EMD对各带通分量按频率高低逐级递归筛分,获得完备的经验模态分量.通过合成信号和地震信号的仿真实验表明,该算法较好地克服了模态混叠,获得了频谱互不重叠的单主周期分量,并成功用于震相分离和分析,为地震信号分析提供了一种新思路.

基于高通滤波的频率-空间域经验模态分解压制高频噪声

高频噪声压制是高分辨率地震数据处理中提高信噪比的关键性问题.本文针对f-x(频率-空间)反褶积空间预测滤波器无法处理非平稳、非线性信号的缺点,提出了一种基于高通滤波的频率-空间域经验模态分解(Empirical Mode Decomposition in the frequency-space domain,f-xEMD)压制地震剖面中高频噪声的方法.该方法采用全域高通滤波从原始数据中分离出含有部分有效信号的高频数据,将其变换到f-x域,然后在滑动的短窗口内提取每一个频率的空变数据序列进行EMD分解得到高频复本征模态函数(Intrinsic Mode Function,IMF)IMF1,将所有频率的IMF1序列反Fourier变换到时间域得到噪声剖面,将其与原始数据相减,达到高频噪声压制的目的.该方法可克服传统EMD分解方法中的模态混叠现象,保护陡倾角反射同相轴;压制后的噪声剖面中不包含有效信号能量,地震剖面的信噪比得到了提高.模拟数据和实际数据处理结果充分证明了该方法的有效性.

低采样率下经验模态分解性能提升研究

经验模态分解(EMD)使用信号极值点的位置和取值信息进行分解,对采样率有较高的要求。针对EMD在低采样率下性能降低的现象,提出一种基于B样条拟合的信号局部均值计算方法。首先提取信号极值点出现的时刻作为尺度,然后通过对极值点时刻进行重新采样构造B样条节点,最后应用B样条最小二乘拟合方法直接计算局部均值。与EMD方法相比,该方法不需要信号极值点的准确位置和取值,因此不容易受到低采样率的影响。对平稳信号和非平稳信号的仿真结果表明,该方法能在接近奈奎斯特频率的低采样率下获得较高的性能。与基于插值的解决方案相比,该方法的分离性能更好。

经验模态分解的非平稳信号数据滤波处理研究

随着科学研究的不断深入,人们对许多实际问题中的非平稳信号的处理精度提出了更高的要求。对此,文章论述了一种基于经验模态分解(EMD)的非平稳信号数字滤波处理方法,并采用经验模态分解法和低通滤波法,对文中构造的一组真值为低频的非平稳信号数据分别进行处理,以相似度作为评判两种滤波方法精度的标准。经研究表明,在处理非平稳信号时,经验模态分解方法显示出了较好的时频聚集性和自适应性。

经验模态分解法在地下水资料处理中的应用

利用经验模态分解法(EMD)对地震地下流体观测资料中典型干扰信号的处理及趋势性变化的提取,结果表明,经验模态分解方法能有效地对信号进行分解,是一种无需预设带宽的自适应高通滤波方法,适用于地下流体观测资料的分析处理。

联合采用高通低通滤波与Hilbert-黄变换的非线性信号分析

经验模态分解方法无法分离2倍频内信号分量而可能导致模态混叠,这是应用著名的Hilbert-黄变换(Hilbert-Huang Transform,HHT)分析非线性信号时无法回避的问题,而消除模态混叠对于准确分析非线性信号具有重要意义。在此背景下,提出了一种联合采用高通低通滤波与Hilbert-黄变换的非线性信号分析方法,以解决这一问题。首先,提出了基于HHT瞬时频率的、用于判断是否发生模态混叠的指标;在此基础上为解决常规经验模态分析方法无法分解2倍频内信号的问题,采用傅里叶变换分析存在模态混叠的信号,并通过高通低通滤波将2倍频内的信号分离。之后,对经过滤波后的信号进行经验模态分解,并与之前未发生模态混叠的分量整合,得到原始信号完整的本征模态函数分量,进而计算得到各分量的瞬时频率和瞬时幅值。最后,用算例说明了所提方法的基本特征。

基于经验模态分解的齿轮裂纹声发射检测

针对传感器检测到的齿轮裂纹声发射信号存在能量微弱且被噪声湮没的问题,首先将齿轮裂纹产生的声发射信号进行自适应噪声对消,消除环境噪声的干扰;然后将信号进行数字带通滤波,进一步抑制无用信号;最后将信号进行经验模态分解,提取具有裂纹冲击性质的固有模态分量。试验信号分析结果表明,该方法成功重构了齿轮裂纹声发射信号。

基于集合经验模态分解的老年人步态信号的降噪方法

基于手机传感器的行人航位推算(PDR)作为一种不依赖外部信息和硬件就可以自主定位导航的方法,在室内环境下试图去普及应用。老年人与年轻人在步频与步幅上有很大差异,常用的年轻人步态降噪方法并不适用于老年人,大大降低PDR的定位精度。针对该问题,本文以手机内加速度传感器信号为数据依据,以检测老年人步数为研究目标,采用卡尔曼滤波、巴特沃斯低通滤波、集合经验模态分解等方法,确定老年人的步数。通过对比分析,确定基于集合经验模态分解的降噪方法,对老年的检步精度达到98%以上,较采用卡尔曼滤波与巴特沃斯低通滤波的方法提高了19.4%。

基于集合经验模态的随钻脉冲信号优良降噪算法

为了准确提取原始随钻钻井液脉冲信号,采用集合经验模态分解方法,基于固有模态分量构建不同的低通滤波算法,进一步采取方波整形处理,建立脉冲信号的降噪整形算法,并依据算法逼近度指标、相关度指标建立优良降噪算法的判断准则。利用单位脉冲信号、周期性杂波信号和高斯白噪声信号合成数值模拟钻井液信号,分析钻井液信号的降噪效果,所得优良降噪低通滤波算法由去掉前4个固有模态分量的其余模态分量及余项构成,其降噪结果能清晰描述单位脉冲信号,算法的逼近度达到0.7719,相关度高达0.8929。利用选定的优良降噪算法分析了实测的随钻测量钻井液信号,所得结果合理、有效。

基于低秩稀疏分解的采煤机轴承复合故障分离

针对采煤机截割部轴承故障信号噪声和干扰大、为非平稳信号、难于实现复合故障分离等问题,提出基于低秩稀疏分解的采煤机轴承复合故障分离。首先,将混合信号经低秩稀疏分解后得到低秩组分和稀疏组分,利用快速独立成分分析(Fast-ICA)将低秩组分还原得到一组故障源信号;其次,利用经验模态分解(EMD)将稀疏组分分解为频率层次不同的内涵模态函数,计算内涵模态函数的频率成分,将内涵模态函数中包含微弱故障频谱特征的成分作为另一组源信号;最后,采用Tensor Flow平台对模型进行编程,通过数据集仿真分析和实验验证。该方法可以有效地将轴承内圈、外圈故障和滚动体故障分离开,为采煤机轴承复合故障分离提供了新的思路。

基于EMTDC/PSCAD和Hilbert全通滤波的电能扰动检测方法

Hilbert-huang变换是基于瞬时频率概念提出的1种新的信号处理方法,它基于经验模态分解法能够分析含有多种信号分量的非平稳信号。文中利用Hilbert滤波器(Hilbert filter,HF)对电能扰动信号进行全通滤波提取扰动信号幅值和频率参数。基于EMTDC/PSCAD软件建立能够产生电能扰动信号的仿真模型,再用HF对仿真信号进行分析得出检测结果。仿真结果表明,本文所提方法能够有效检测动态和稳态电能扰动问题。

基于EEMD和低秩稀疏分解的超声缺陷回波检测方法

针对应用超声对金属材料微小缺陷检测时缺陷回波容易被噪声干扰的问题,提出了一种基于集合经验模态分解(EEMD)和低秩稀疏分解相结合的检测方法,以避免传统基于经验模态分解(EMD)的去噪方法难以消除结构噪声的问题。首先对缺陷检测信号进行EEMD得到一系列本征模态函数(IMF),采用基于概率密度函数的相似性测量方法选取相关模态,同时舍弃非相关模态以实现初步降噪;然后基于短时傅里叶变换(STFT)计算相关模态重构信号的幅度谱,执行低秩稀疏分解算法提取幅度谱中的稀疏成份实现进一步降噪;最后对稀疏成份进行逆STFT得到纯净的缺陷回波信号。分别对仿真和实测信号进行处理,结果表明该方法在缺陷回波检测方面是有效的。

基于补充的集合经验模态最优降噪整形算法

为了准确提取噪声干扰的脉冲信号,本文基于补充的集合经验模态分解的最优降噪整形算法,算法基于固有模态函数构建不同的带通滤波器和方波整形,并依据均方误差、线性相关度和目标函数值指标来建立最优降噪整形算法的判断指标。采用脉冲信号、调幅调频信号和高斯白噪声信号合成数值模拟信号进行仿真实验,本算法能够准确地提取脉冲信号,表明数值模拟仿真实验成功,可应用于提取受噪声干扰的单位脉冲信号。

基于EEMD和矩阵束算法的低频振荡主导模式识别

传统矩阵束算法在低信噪比时,难以准确辨识出信号参数,误差较大。因此,结合集合经验模态分解(EEMD)和矩阵束算法,提出了一种电力系统低频振荡主导模式识别的新方法。该方法利用EEMD进行平稳化处理,通过互相关系数和信号能量权重找出含有主导模式的IMF分量,并利用矩阵束算法分析得到模态参数,从而扩展了传统矩阵束算法的应用范围。算例分析结果表明,该方法可以较好地适应非线性系统,抗噪声能力较强,在低信噪比时仍然可用于低频振荡主导模式的识别,为电力系统低频振荡问题的研究提供了新思路。

基于数字微分滤波与降噪分析的核信号脉冲检测

论文探讨了数字化核信号的脉冲波形检测问题。利用数字低通微分滤波分析方法实现脉冲波形的增强与检测,并采用经验模态分解方法实现核信号的降噪处理。实验结果表明,通过经验模态分解方法能够获取满意的信号降噪效果;低通微分滤波方法能在抑制一定噪声的基础上完成核信号脉冲波形的增强及堆积分离,且该方法的计算复杂度较低,能够满足实时性要求。因此,低通微分滤波方法是一种有效的核信号脉冲波形检测方法。

BEMD分解的矿下图像增强算法

应用一种基于二维经验模态分解和高频滤波的图像增强算法,对处于恶劣环境中矿井下的图像进行增强处理,能有效解决此类图像存在边缘及纹理等局部细节信息模糊、对比度不高以及对噪声敏感等问题。首先,对输入的矿井下图像进行高通滤波处理,去除图像中的高频成分,得到矿井下图像的低频部分;其次,用二维经验模态分解出图像的高频部分,弥补因第1步引起的图像细节信息丢失的不足;再次,通过确定高低频比例因子c,将提取的高频细节与低频背景按3∶2的比例融合,并有效抑制粉尘散射模糊和过曝光白色伪影现象的噪声;最后,采用直方图均衡化来平衡图像灰度,增强图像的细节,提高图像整体的对比度。对比实验表明,在保证图像质量的前提下,所提算法与传统的高频强调滤波相比,处理后的图像清晰度Brenner指标提高10%,均方误差更小,在增强矿井下图像边缘纹理以及暗部细节效果明显,能够有效提高图像的对比度,增强图像的亮度和信息熵,能对后续的图像处理及分析提供有效的帮助。

基于EEMD和低相干K-SVD的齿轮故障诊断方法研究

针对传统K-SVD算法在训练字典过程中,容易受到噪声干扰以及字典原子间相干性较大不足以表示信号内部结构的问题,文章提出了基于集合经验模态分解(EEMD)和低相干K-SVD相结合进行齿轮故障特征提取的方法。该方法利用EEMD对原始信号进行分解,通过峭度准则选取最优模态分量作为训练样本,以降低噪声的干扰;采用低相干K-SVD算法对训练样本进行学习,构造出低相干字典;最后,采用正交匹配追踪(OMP)算法求解稀疏系数,重构得到稀疏信号;通过仿真及实验数据进行验证,结果表明,EEMD和低相干K-SVD相结合的方法可以准确构建出匹配信号特征成分的字典,提高了信号重构性能。

基于双EEMD与重构的局部放电时延估计方法

对室内电气设备的局部放电检测与定位是保障设备长期稳定运行的有效手段,而时延估计精度是影响局部放电检测与定位准确度的重要因素。为解决局部放电信号在噪声及多径效应影响下的时延估计精度问题,本文提出了一种基于双集合经验模态分解(ensemble empirical mode decomposition,EEMD)与重构的局部放电信号预处理方法。模拟仿真与实验测试结果表明,本文所提出的方法与广义互相关算法相比有效提高了时延估计准确度,且稳定性与鲁棒性更好。本文所提方法有效提高了局部放电信号的信噪比(signal-to-noise ratio,SNR)以及时延估计算法的精度,可用于低SNR及多径效应明显的室内环境中局部放电信号的时延精确估计。