双稳随机共振降噪下经验模式分解的研究.pdfVIP

双稳随机共振降噪下的经验模式分解研究 * 赵艳菊 王太勇 徐跃 冷永刚 张攀 (天津大学机械工程学院, 天津 300072) 摘要 研究了强噪声混合条件下微弱信号的经验模式分解(EMD)问题，提出了一种基于随机共振降噪的EMD分解方法。该方法 利用随机共振在微弱信号检测方面的独特优势，首先对有噪微弱信号进行随机共振输出，微弱信号得到降噪和加强后，再进 行EMD分解。在仿真实验中，对随机共振输出前后的信号分别进行EMD分解，分析结果表明该方法不仅能够提高原始信号的 信噪比，有效检测出被噪声淹没的微弱信号从而提高了EMD分解的质量，同时减少了EMD分解的层数，提高了运算效率。 关键词：随机共振; 经验模式分解(EMD); 微弱信号 中图分类号：TN911.23；TP206.3 文件标示码：A Empirical Mode Decomposition Based on Bistable Stochastic Resonance Denoising * Zhao Yan-ju ，Wang tai-yong，Xu Yue ，Leng Yong-gang ，Zhang Pan (School of Mechanical Engineering, Tianjin University, Tianjin 300072, China) Abstract: The empirical mode decomposition (EMD) of weak signals submerged in a heavy noise was conducted and a method of stochastic resonance (SR) used for noisy EMD was presented. This method used SR as the pretreatment of EMD to remove noise and detect weak signals. The experiment result prove that this method, Compared with that using EMD directly, not only improve SNR, enhance weak signals, but also improve the decomposition performance and reduce the decomposition layers of signals. Key words: stochastic resonance; empirical mode decomposition (EMD); weak signals 经验模式分解方法是由Huang 在 1999 年提出 确的物理意义。因此在对信号进行EMD分解之前， 的一种新的信号处理方法[1], 该方法可以根据信 需要对信号进行降噪处理。文献[4][5]分别采用小 号中不同时间尺度的波动自适应的逐级分解，产生 波和奇异值分解方法在一定噪声量下去噪，达到了 一系列具有不同特征尺度的基本模式分量，通过对 较好的效果，但是当信号较弱，噪声强度较大时， 各个模式分量的分析, 掌握原始数据的特征信息， 小波和奇异值分解方法效果变差，会分解出一些奇 从而为深层次的信息挖掘奠定基础。由于EMD分解 异点，干扰有效信号的识别。随机共振[6]信号处理 采用三次样条插值获取信号的瞬时平均值，因此该 方法是 1981 年Benzi 等人