EMD分解

摘要： 针对传统检测方法存在振动信号重构误差大,导致检测误报警率高的问题,提出基于随机森林算法的机械加工过程设备叠加振动检测方法。对含有噪声的机械加工过程设备振动信号进行EMD分解,获取内蕴模态函数,通过自适应阈值进行信号重构,消除振动信号中的噪声。经过去噪后,采用随机森林算法将变量集划分为多个子集,在每个子集中通过典型变量分析方法,提取叠加振动数据的动态特征以及相关关系,通过不相关典型特性训练决策树,并且构建DOCRF模型,求解样本相似度,实现机械加工过程设备叠加振动检测。仿真实验结果表明,所提方法的检测振动信号的重构误差率在1.2%以下,误报警率均在0.18%以下,可以获取更加准确的检测结果。

摘要： 提出基于能量矩、EMD-SOM的智能诊断方法,首先将轴承部位原始信号EMD分解得到IMF分量,提取IMF分量的能量矩特征;将提取得到的特征作为SOM网络的输入参数进行模型训练;采用CWRU轴承振动数据进行验证,其准确率可达98%,说明了该方法可以有效地识别轴承故障,可为设备的状态监测和故障诊断提供理论依据。

摘要： 【目的】研究渭干河上游与黑孜河交汇处水沙变化特征,为克孜尔水库水沙情势的预测及水资源调配管理提供依据。【方法】采用线性趋势法及Mann-kendall秩次检验法分析水沙序列的变化趋势;采用Mann-kendall参数检验法、有序聚类法及滑动t检验法分析水沙序列的突变点;采用基于小波分析的EMD分解方法分析水沙序列的周期性。采用双累积曲线法分析降水及人类活动对入库水沙变化的影响程度,并对其他影响因素进行定性分析。【结果】近60 a来克孜尔水库入库水沙呈上升趋势,径流量及输沙量的突变年份分别为1994年、1992年,入库年径流量存在7 a、17 a、30 a的周期,年输沙量存在6 a、11 a、26 a的周期。降雨和人类活动对径流量的影响程度分别为485.37%、-385.37%,对输沙量的影响程度分别为73.57%、26.43%,太阳活动、厄尔尼诺-南方涛动(ENSO)等因素对水沙变化也存在一定的影响作用。【结论】克孜尔水库上游流域年降水量对径流量及输沙量的影响均大于人类活动,人类活动对该区域的水沙变化影响不大。

摘要： 乘用车关门声品质是重要的用户感知项和产品开发指标,是用户衡量车辆档次和质量的重要依据。为了使关门声品质的客观评价指标更准确地反映用户主观评价结果,提出一种基于时频特性的关门声品质客观评价指标,对23辆不同细分市场的车辆进行了关门声的客观测试和主观评价结果的相关性研究。首先对采集的关门声信号进行声学参数分析,获得常用的声学参数,如响度、尖锐度和A计权声压级最大值。然后基于EMD分解(Empirical Mode Decomposition经验模态分解)、WVD变换(Wigner-Ville魏格纳-威尔变换)和Bark尺度计权的时频处理方法计算新的声品质评价参数SQ-EMDWVD。最后将所得到的常用声学参数以及客观评价参数SQ-EMDWVD与主观评价结果进行相关性分析。结果表明,声品质评价参数SQ-EMDWVD与主观评价结果具有更好的相关性,其幅值的大小可以表征关门声品质的优劣。

摘要： 提出了优化的维纳滤波算法用于心音信号的降噪问题.对含噪的二尖瓣心音信号进行EMD分解,舍去前3阶含噪声比较多的IMF分量后,对心音信号进行重构.采用离散S变换,将心音信号在复频域中进行分析,通过MFCC算法对降噪的二尖瓣心音信号提取特征值,在SVM中进行分类验证.实验结果表明,优化的维纳滤波在二尖瓣心音信号的降噪方面有很好的成效,提高了心音信号分类的准确率.

摘要： 为有效解决地震资料信噪比低的问题,本文以甘肃某工区的地震资料为例,对原始资料进行频谱分析后认为该地区地震资料存在较严重的低频和高频干扰,在应用一种非线性、非平稳信号的时频分析处理方法进行处理后,认为该方法能对地震资料的噪声有较好的剔除作用,并且可以有效地保护有效信号,明显提高地震资料的信噪比,以期为地震资料处理人员提供参考.

摘要： 为了解决对振动信号直接做傅里叶变化得到的频谱图极大值较多,且分布不规律,很难看出故障频率值的问题,基于EMD分解及Hilbert包络对某电机轴承故障进行了详细诊断,内圈的故障理论计算特征频率值为162.21Hz,而诊断的结果显示最大故障频率值为164.1Hz,两者非常接近。可见根据Hilbert变换的特点和电机轴承的振动信号,Hilbert变换可以通过解调振动信号而有效确定特征缺陷频率。

摘要： 针对当前方法对自适应云资源信息加密时存在抗攻击性差,加密效率低,内存消耗过大的问题,为此提出移动群智感知中自适应云资源信息加密方法.将云资源信息数据进行平稳化处理,确定EMD-Wavelet去噪方法中的阈值对数据进行小波去噪获取简洁平稳的移动群智感知数据,在ECC同态加密算法的基础上加入椭圆曲线算法,获取两种完全不同的密钥,即公钥和私钥,利用公钥将数据嵌入到椭圆曲线上的一点,并通过私钥公式求解出对应明文,实现自适应云资源信息加密.实验结果表明,所提方法的抗攻击性优,加密效率高,内存消耗小.

摘要： 针对传统EMD分解中因高频IMF分量存在有用信号与噪声信号混叠的现象,导致降噪结果不理想的问题,提出了一种基于EMD分解和IIR低通数字滤波的联合降噪方法.在EMD分解的基础上,使用IIR低通数字滤波器对高频IMF分量进行滤波,将滤波信号与低频IMF分量进行重构得到降噪信号.最后使用某车辆加速度信号进行降噪试验,结果表明IIR低通数字滤波有效改善了高频IMF中信噪混叠的现象,验证了该降噪方法降噪效果优于EMD分解降噪和IIR低通数字滤波降噪.

摘要： 综合水平·动态·趋势GJ 20211001基于EMD及循环平稳度函数的柴油发动机曲轴轴承振动信号分析[刊,中]/高立龙…//工程机械.-2020,51(6).-1~6根据柴油发动机机械构件发生故障时,其缸体振动信号的循环平稳性会发生改变这一特点,利用EMD分解方法将柴油发动机曲轴轴承振动信号分解为一系列单分量的IMF分量,通过求解IMF分量的循环平稳度函数并进行累加,从而得出曲轴振动信号的循环平稳度函数的真实值,并提取出振动信号的1~3阶循环平稳度函数作为反映相应故障的故障特征。

摘要： 微地震监测技术是一种探测岩体活动微破裂发生的有效方法,可以应用于金属矿山、煤矿开采的监测,水电工程、深埋隧道施工的监测,边坡监测、泥石流自然地质灾害的预测等研究领域.其主要工作方式是将传感器合理的布置在所需要监测工程的区域,优化布设方式能够准确的监测到更多有效的微地震信号,有利用于快速取得震源的位置和时间,最好的布设方式是将传感器包围在岩体微破裂区域,然而在现实工程中只能把传感器布置在岩石微破裂之外,因此监测的有效微震信号就略微少一些.

摘要： 微地震监测技术是一种探测岩体活动微破裂发生的有效方法,可以应用于金属矿山、煤矿开采的监测,水电工程、深埋隧道施工的监测,边坡监测、泥石流自然地质灾害的预测等研究领域.其主要工作方式是将传感器合理的布置在所需要监测工程的区域,优化布设方式能够准确的监测到更多有效的微地震信号,有利用于快速取得震源的位置和时间,最好的布设方式是将传感器包围在岩体微破裂区域,然而在现实工程中只能把传感器布置在岩石微破裂之外,因此监测的有效微震信号就略微少一些.

摘要： 微地震监测技术是一种探测岩体活动微破裂发生的有效方法,可以应用于金属矿山、煤矿开采的监测,水电工程、深埋隧道施工的监测,边坡监测、泥石流自然地质灾害的预测等研究领域.其主要工作方式是将传感器合理的布置在所需要监测工程的区域,优化布设方式能够准确的监测到更多有效的微地震信号,有利用于快速取得震源的位置和时间,最好的布设方式是将传感器包围在岩体微破裂区域,然而在现实工程中只能把传感器布置在岩石微破裂之外,因此监测的有效微震信号就略微少一些.

摘要： 微地震监测技术是一种探测岩体活动微破裂发生的有效方法,可以应用于金属矿山、煤矿开采的监测,水电工程、深埋隧道施工的监测,边坡监测、泥石流自然地质灾害的预测等研究领域.其主要工作方式是将传感器合理的布置在所需要监测工程的区域,优化布设方式能够准确的监测到更多有效的微地震信号,有利用于快速取得震源的位置和时间,最好的布设方式是将传感器包围在岩体微破裂区域,然而在现实工程中只能把传感器布置在岩石微破裂之外,因此监测的有效微震信号就略微少一些.

摘要： 弱信号提取是当前地震勘探中的一项重要任务.目前较常用的方法主要包括小波变换、曲波变换、SVD方法等.曲波变换是在小波变换基础上发展起来的一种新的多尺度变换,它的结构元素包括尺度、位置和方位参数,具有良好的方位特性.对图像的边缘,如曲线、直线等几何特征的表达更加优于小波变换.EMD分解是一种多尺度的分解方式,通过选取不同阶的IMF分量完成信号的重构,单独采用实现高通、低通等不同方式的滤波.考虑到弱信号的曲波系数表现为小值,有一定连续性,曲波阈值法去噪无法完成对弱信号的提取.因此，本研究引入EMD分解与曲波变换的结合来提取弱信号。研究表明，小波变换去噪后伴有很强的振铃现象，同相轴和小构造附近出现很多毛刺;EMD简单阈值去噪;背景噪声残留较多;曲波变换去噪方法结果中噪声去除较为干净，但有效弱信号的形态遭到了一定的破坏;本文的改进算法，不仅完整地提取了弱信号，而且背景更加干净。

摘要： 弱信号提取是当前地震勘探中的一项重要任务.目前较常用的方法主要包括小波变换、曲波变换、SVD方法等.曲波变换是在小波变换基础上发展起来的一种新的多尺度变换,它的结构元素包括尺度、位置和方位参数,具有良好的方位特性.对图像的边缘,如曲线、直线等几何特征的表达更加优于小波变换.EMD分解是一种多尺度的分解方式,通过选取不同阶的IMF分量完成信号的重构,单独采用实现高通、低通等不同方式的滤波.考虑到弱信号的曲波系数表现为小值,有一定连续性,曲波阈值法去噪无法完成对弱信号的提取.因此，本研究引入EMD分解与曲波变换的结合来提取弱信号。研究表明，小波变换去噪后伴有很强的振铃现象，同相轴和小构造附近出现很多毛刺;EMD简单阈值去噪;背景噪声残留较多;曲波变换去噪方法结果中噪声去除较为干净，但有效弱信号的形态遭到了一定的破坏;本文的改进算法，不仅完整地提取了弱信号，而且背景更加干净。

摘要： 弱信号提取是当前地震勘探中的一项重要任务.目前较常用的方法主要包括小波变换、曲波变换、SVD方法等.曲波变换是在小波变换基础上发展起来的一种新的多尺度变换,它的结构元素包括尺度、位置和方位参数,具有良好的方位特性.对图像的边缘,如曲线、直线等几何特征的表达更加优于小波变换.EMD分解是一种多尺度的分解方式,通过选取不同阶的IMF分量完成信号的重构,单独采用实现高通、低通等不同方式的滤波.考虑到弱信号的曲波系数表现为小值,有一定连续性,曲波阈值法去噪无法完成对弱信号的提取.因此，本研究引入EMD分解与曲波变换的结合来提取弱信号。研究表明，小波变换去噪后伴有很强的振铃现象，同相轴和小构造附近出现很多毛刺;EMD简单阈值去噪;背景噪声残留较多;曲波变换去噪方法结果中噪声去除较为干净，但有效弱信号的形态遭到了一定的破坏;本文的改进算法，不仅完整地提取了弱信号，而且背景更加干净。

摘要： 弱信号提取是当前地震勘探中的一项重要任务.目前较常用的方法主要包括小波变换、曲波变换、SVD方法等.曲波变换是在小波变换基础上发展起来的一种新的多尺度变换,它的结构元素包括尺度、位置和方位参数,具有良好的方位特性.对图像的边缘,如曲线、直线等几何特征的表达更加优于小波变换.EMD分解是一种多尺度的分解方式,通过选取不同阶的IMF分量完成信号的重构,单独采用实现高通、低通等不同方式的滤波.考虑到弱信号的曲波系数表现为小值,有一定连续性,曲波阈值法去噪无法完成对弱信号的提取.因此，本研究引入EMD分解与曲波变换的结合来提取弱信号。研究表明，小波变换去噪后伴有很强的振铃现象，同相轴和小构造附近出现很多毛刺;EMD简单阈值去噪;背景噪声残留较多;曲波变换去噪方法结果中噪声去除较为干净，但有效弱信号的形态遭到了一定的破坏;本文的改进算法，不仅完整地提取了弱信号，而且背景更加干净。

摘要： 本文提出了一种基于HHT变换的语音信号端点检测方法。首先，对带噪语音信号进行EMD分解，去除受噪声影响最大的第1层和第2层IMF分量，并通过计算每一层IMF分量的均值和方差，挑选可以表征语音信号的IMF分量；然后对重构后的语音信号用双门限法进行端点检测。实验结果表明，与传统的双门限端点检测比较，重构后语音端点检测仍能保证正确率，检测率为84.2%，而且在带噪语音情况下，传统双门限法失效，但本文提出的方法依然能够检测出端点，正确率为85.9%，具有一定的鲁棒性。

摘要： 本文提出了一种基于HHT变换的语音信号端点检测方法。首先，对带噪语音信号进行EMD分解，去除受噪声影响最大的第1层和第2层IMF分量，并通过计算每一层IMF分量的均值和方差，挑选可以表征语音信号的IMF分量；然后对重构后的语音信号用双门限法进行端点检测。实验结果表明，与传统的双门限端点检测比较，重构后语音端点检测仍能保证正确率，检测率为84.2%，而且在带噪语音情况下，传统双门限法失效，但本文提出的方法依然能够检测出端点，正确率为85.9%，具有一定的鲁棒性。

摘要： 本发明公开了一种基于EMD分解的继电保护输入信号分类识别方法，具体按照以下步骤实施：步骤1、采集继电保护装置的输入电流信号i(t)；步骤2、对步骤1中输入电流信号进行EMD分解，得到电流信号本征模态函数IMF的所有分量及为残余分量r(t)；步骤3、基于步骤2得到的本征模态函数IMF的所有分量及模态分量信息熵计算公式，计算各分量的信息熵；步骤4、基于步骤3得到的各分量信息熵，计算输入电流信号中电力系统中一次系统故障、非电力系统一次系统故障的信号分类指标；计算电力系统一次系统故障的信号中负荷状态、测量回路故障的分类指标；步骤5、根据指标进行故障判断。本发明能够简单、有效地区分三种不同的继电保护输入信号。

摘要： 本发明针对MPSK和MQAM两类信号的调制识别问题，提出了一种基于EMD分解的PSK及QAM类信号调制识别方法。首先对待识别信号作经验模态分解，而后提取分解得到的第一阶本征模态分量，对第一阶本征模态分量进行傅里叶变换后取模，并据此确定识别特征量。根据得到的识别特征量，设定相应的门限，将识别特征量和门限相比较，识别PSK和QAM信号。仿真结果表明，在无信号先验信息的条件下可对MPSK和MQAM两类调制信号进行识别。

摘要： 本发明涉及基于EMD分解与LSTM的油气管道第三方施工预警方法，包括：S1、通过管道沿线铺设的分布式光纤系统实时采集波形数据，并对波形数据进行阈值触发，以获取可疑波段；S2、对可疑波段的信号依次进行小波降噪，得到可疑波段的去噪信号；S3、从可疑波段的去噪信号提取相应的时序特征，还对可疑波段的去噪信号进行EMD分解以得到IMF能量谱；S4、对时序特征、IMF能量谱进行归一化处理，以输入LSTM分类模型，实时判断可疑波段的信号对应的振动源是否为第三方施工；S5、若是，则执行报警；若否，则转至步骤S1。本发明对光纤传感扰动信号实现精准、快速的分类识别，解决了管道周界安防报警存在的不足。

摘要： 本发明公开了一种基于EMD分解的心电、呼吸联合计算心率变异性的方法，先将心率做EMD分解，将其分为几层固有模态，以心率EMD分解所得的各层信号与相应呼吸斜率之间的相关性作为依据，把心率的各层模态划分为与呼吸相关的模态，以及与呼吸不相关的模态，分别作为HRV的高频段(HF)、和低频段(LF)的表征，选用了连续小波变换，可以获得时频HRV变化结果，有别于传统HRV分析方法中HF、LF固定频率分割点(f＝0.15Hz)所存在的问题(如HF谱峰会随着呼吸频率平移，甚至低于0.15Hz)，本方法从生理机制出发，将呼吸对HRV的影响作为参考，避免HRV分析领域中长久存在的实验结果的不一致性、难以复现性、以及实验结果解释的不科学性的问题。

摘要： 本发明属于电力系统领域，具体涉及一种基于EMD分解的EMD‑XGBoost中长期风电电量组合预测方法。该方法首先将风电电量时间序列经EMD分解为一系列分量；从宏观及局部的角度考虑对各分量进行特征提取，构造特征值向量；以此为基础采用FCM聚类将分量聚类重构为表示包含风电电量不同信息的趋势项、周期项及随机项；基于贝叶斯及k折交叉验证对XGBoost模型分别进行参数寻优，从而对重构项进行预测，最后叠加得到风电电量的预测结果，并分析了序列分解及不同算法对预测精度的影响。本发明结合EMD分解与聚类算法将风电电量序列中真实存在的不同波动量分解出来，将非线性非平稳的电量序列平稳化，产生不同特征的数据序列；针对各重构序列分别建立预测模型，选择各自最优相关参数，从而降低了风电电量数据分线性和非平稳性对电量预测结果的影响，提高了风电电量的预测精度。

摘要： 本发明提供一种基于VMD‑EMD‑WT信号分解和SDAE深度学习的短期集群风电功率预测优化方法，包括以下步骤：对原始特征数据库中多维NWP数据和风电场历史功率数据进行预处理后划分为训练集和测试集，利用VMD、EMD和WT对训练集风速和风向特征量进行分解后作为新训练集，将新训练集和测试集的风速和风向特征量输入SDAE进行深度学习，建立VMD‑SDAE、EMD‑SDAE和WT‑SDAE预测子模型；将三个预测子模型输出结果随机划分成几个集合，使用SVM算法对每个集合进行集成，产生单次集成结果；将所有单次集成结果再随机划分成几个集合，再利用SVM算法对每个集合进行集成，建立多重集成学习模型，输出预测结果。本发明具有更高准确性和更好鲁棒性，有效提升短期风电功率预测精度。

摘要： 本发明涉及一种基于EMD分解自学习的风电机组叶片故障识别方法，包括：步骤一，采集风电机组叶片声音信号在线监测数据，并对采集的监测数据进行EMD分解；步骤二，将EMD分解后的声音信号与正常声音信息进行比较，若存在差异，获取差异信息对应的IMF分量，并启动视频监测设备采集差异信息对应的风电机组叶片的视频图像数据；步骤三，基于BP神经网络的图像识别方法对采集的视频图像进行识别，得到风电机组叶片故障识别结果。本发明无需进行大量的人工筛选，当叶片出现故障时声音信号出现异常，通过触发视频监测，对高清视频监测图片内叶片表面裂纹、雷击、断裂等进行判断，进而对故障声信号进行标识，适用于对风电机组叶片的声音微弱信号进行检测。

摘要： 本发明公开了一种基于EMD分解的继电保护输入信号分类识别方法，具体按照以下步骤实施：步骤1、采集继电保护装置的输入电流信号i(t)；步骤2、对步骤1中输入电流信号进行EMD分解，得到电流信号本征模态函数IMF的所有分量及为残余分量r(t)；步骤3、基于步骤2得到的本征模态函数IMF的所有分量及模态分量信息熵计算公式，计算各分量的信息熵；步骤4、基于步骤3得到的各分量信息熵，计算输入电流信号中电力系统中一次系统故障、非电力系统一次系统故障的信号分类指标；计算电力系统一次系统故障的信号中负荷状态、测量回路故障的分类指标；步骤5、根据指标进行故障判断。本发明能够简单、有效地区分三种不同的继电保护输入信号。

摘要： 本发明涉及基于EMD分解与LSTM的油气管道第三方施工预警方法，包括：S1、通过管道沿线铺设的分布式光纤系统实时采集波形数据，并对波形数据进行阈值触发，以获取可疑波段；S2、对可疑波段的信号依次进行小波降噪，得到可疑波段的去噪信号；S3、从可疑波段的去噪信号提取相应的时序特征，还对可疑波段的去噪信号进行EMD分解以得到IMF能量谱；S4、对时序特征、IMF能量谱进行归一化处理，以输入LSTM分类模型，实时判断可疑波段的信号对应的振动源是否为第三方施工；S5、若是，则执行报警；若否，则转至步骤S1。本发明对光纤传感扰动信号实现精准、快速的分类识别，解决了管道周界安防报警存在的不足。

摘要： 本发明公开了一种基于EMD分解的准静态长标距应变提取方法，包括：提取结构单元的应变时程；对提取出来的应变信号进行EMD分解，分解出若干个本征模态函数IMF及一个无法再继续分解的残余分量；对分解后的各阶IMF分量进行频谱分析，获取特征频率低于基频的IMF分量及残余分量；将特征频率低于基频的IMF分量及残余分量进行相加，得到结构单元的准静态应变时程。本发明采用基于EMD技术对长标距应变信号进行动静态应变分离，提取结构单元的准静态长标距应变时程，可对移动荷载进行更准确的识别，同时也可对监测结构进行快速的损伤评估。