改善经验模态分解端点问题的方法

由于采集到的地震资料包含各种各样的噪声,导致地震资料信噪比较低,给之后的解释工作带来较大困难。为了更准确地了解地下地质信息,需要提高地震资料的信噪比。针对地震资料中的随机噪声,采用镜像对称延拓法、边界局部特征尺度延拓法以及多项式拟合法3种方法,在60 Hz的正弦信号与白噪声的合成信号中找到极值点,再计算均值,得到本征模态函数后并重构地震信号,有效压制了地震噪声。研究结果表明,使用镜像对称延拓法、边界局部特征尺度延拓法以及多项式拟合法均可以消除地震信号的端点效应并有效压制混叠现象,使用多项式拟合法分解得到的相似系数最大,而边界局部特征尺度延拓法得到的相似系数最小,平均相对误差最小;边界局部特征尺度延拓法运算速度最快,多项式拟合法则耗时较长。镜像对称延拓法和边界局部特征尺度延拓法,不仅有效地抑制了传统经验模态分解中存在的端点效应,而且增加了经验模态分解得到的本征模态函数的正交性,提高了经验模态分解精度。

优化HHT端点效应的新方法

在旋转机械的故障诊断中，希尔伯特-黄变换（HHT）方法常用于提取故障特征信号以及分解结果的时频分析，然而，在HHT中会出现端点效应问题，且导致模态混叠和虚假本征模态函数（IMF）等一系列问题。针对这一问题，提出了利用广义回归神经网络（GRNN）和边界局部特征尺度延拓（BLCC）相结合的方法先对信号延拓，再进行经验模式分解（EMD）。通过仿真与故障实验，在时域、频域和希尔伯特-黄谱的相关参数的情况下，对比镜像延拓优化的HHT分解结果，验证了所提方法的有效性。实验结果表明：所述方法能够有效地抑制HHT中的端点效应，且减轻了模态混叠和虚假IMF分量，同时能准确地表现信号的真实结构成分。

基于互补集合经验模态分解和改进麻雀搜索算法优化双向门控循环单元的交通流组合预测模型

该文针对短时交通流预测过程呈现的非线性、非平稳性及时序相关性特征,为提升预测的精度及收敛速度,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化双向门控循环单元(BiGRU)的组合预测模型。首先,考虑到端点飞翼问题,通过改进CEEMD算法将交通流量序列分解为体现路网交通趋势性、周期性及随机性的本征模态函数(IMF)分量,有效提取了其中的先验特征;随后,利用BiGRU网络挖掘交通流量序列中的时序相关性特征,为避免局部最优,并提高麻雀搜索算法(SSA)全局搜索及局部开发能力,采用ISSA对BiGRU网络权值参数迭代择优。实验结果表明,该组合预测模型中各组件对提高预测精度均起到正向作用,同时在不同交通流量数据集下的预测性能较对比算法均更优,展现了精准、快速的预测表现以及良好的泛化能力。

两种改善CEEMD端点效应方法的研究分析

在做互补集合经验模态分解(CEEMD)时存在的最主要问题之一就是"端点效应"。在实际工程应用中有多种"端点效应"处理方法,文章将对镜像对称延拓处理与边界局部特征尺度匹配延拓处理两种方法进行对比研究分析,利用已经编制好的两种"端点效应"处理方法的MATLAB程序对调幅调频信号进行分析。首先从生成的IMF(本征模函数)图像上观察两种"端点效应"处理方法的差异,并与不做端点处理的IMF图像进行对比。然后利用经CEEMD分解后得到的IMF与原信号的相似系数、IMF与原信号的平均相对误差与程序运行时间等数值指标,对两种"端点效应"处理方法进行数值指标分析。结果表明:CEEMD在分解调幅调频信号时,边界局部特征尺度匹配延拓法在处理"端点效应"时表现最佳。

Modified Fourier descriptor for shape feature extraction

A modified Fourier descriptor was presented. Information from a local space can be used more efficiently. After the boundary pixel set of an object was computed, centroid distance approach was used to compute shape signature in the local space. A pair of shape signature and boundary pixel gray was used as a point in a feature space. Then, Fourier transform was used for composition of point information in the feature space so that the shape features could be computed. It is proved theoretically that the shape features from modified Fourier descriptors are invariant to translation, rotation, scaling, and change of start point. It is also testified by measuring the retrieval performance of the systems that the shape features from modified Fourier oescriptors are more discriminative than those from other Fourier descriptors.