基于二阶包络逆EMD算法改进与实现

在分析经典EMD(Empirical Mode Decomposition)和高阶极值点逆向筛分EMD方法的基础上,提出了一种基于二阶包络逆EMD的改进方法。该方法结合标准EMD与逆EMD的良好属性,采用一阶、二阶包络,通过给定条件在筛分过程选择最优包络均值进行筛分。实验结果表明:该方法适用于分解频率差值较低的多分量信号且减小高频分量误差;有效地减小估计误差及抑制多余IMF分量;以最优包络作为筛分包络,EMD分解效果更佳。

纳米器件的散粒噪声检测方法研究

针对纳米器件散粒噪声信号去噪方法的不足,利用散粒噪声信号在不同状态下的方差特性,提出了一种改进的经验模态分解算法(EMD)。该算法根据信号固有模态函数(IMFs)方差最大值与对应层数的关系自适应地选择需要处理的IMF层数,并与传统平均算法相结合提取了散粒噪声信号。实验结果表明:在不同程度(≥-3.92 d B)低频噪声环境下,与传统的EMD硬性去噪等方法比较可知,其信噪比提高了5.4 d B^7.0 d B,均方误差降低了36%以上,该方法有效地去除了低频噪声,提高了散粒噪声检测的有效性。

基于EMD的信号线谱特征分析

基于统计特征的谱估计技术在现代信号处理领域发挥着极为重要的作用.选取经验模态分解(EMD)结合传统的经典功率谱估计的新方法为研究对象,讨论了这种方法的基本思想,对仿真信号进行分析,并与经典功率谱估计方法进行了比较,通过MATLAB仿真验证得出这种新的方法在信号谱估计中的谱分辨率要高于经典功率谱估计法的结论.