用噪声残差似然估计改进经验模态分解基信号去噪方法.pdfVIP

第 35卷 第 12期 仪 器 仪 表 学 报 、，0l1．35N0．12 2014年 12月 ChineseJournalofScientificInstmment Dec．2014 用噪声残差似然估计改进经验模态分解基信号 去噪方法冰 焦卫东，林树森 (浙江师范大学工学院车辆工程系 金华 321004) 摘 要：现有的基于经验模态分解(EMD)的信号去噪算法，用于幅值取阈以及信号重建的本征模函数(IMF)基本都是靠 经验筛选，影响了算法的去噪性能。为解决这一问题，引入噪声残差似然估计(LE—RN)测度以建立 IMF 的优化筛选准 则。由消噪后的重建信号与原始带噪信号，可以形成一个噪声残差(RN)分量。在不同去噪参数组合下，通过最大化 RN 分量与标准正态分布的对数似然，实现 IMF 分量的优化筛选 。最终，形成一种改进的 EMD 基信号去噪方法。借助仿 真消噪试验，通过与现有的 EMD 基去噪方法进行对 比，验证了所提出的去噪参数优选准则及其改进 EMD 基去噪方 法的有效性。 关键词：经验模态分解；本征模函数；幅值取阈；噪声残差似然估计；信号去噪 中图分类号：TN911．4 TN911．7 TH113．1 文献标识码：A 国家标准学科分类代码：510．40 Improvedempiricalmodedecompositionbasedsignalde-noisingapproach usinglikelihoodestimationofresidualnoise JiaoW eidong，LinShusen (DepartmentofVehicleEngineering，CollegeofEngineering，Zh~iangNormalUniversity，Jinhua321004，China) Abstract：Inexistingsignalde—noisingapproachesbasedonempiricalmodedecomposition(EMD)，theintrinsicmodefunctions (IMFs)usedforamplitudethresholdingandsignalreconstructionarealmostselectedempirically，whichaffectsthede—noising performanceofthealgorithm．Inordertosolvethisproblem，ameasurenamedlikelihoodestimationofresidualnoise(LE—RN)was introducedofrsettingupanoptimalcriterionofrIMFsselection．Aresidualnoise(RN)componentcanbeproducedfrom the originalnoisysignalandreconsturcteddenoisedsigna1．Underdifferentcombinationsofdenoisingcoefficients，theoptimalIMFs setswerefixedbymaximizingthelogarithm likelihoodofresidualnoise(LE—RN)andhtestandardGaussiandistribution．Thus，an improvedEM D basedapproach forsignalde-noisingwasachieved．Insimulationdenoising test，throughcomparingwith the existingEMD basedsignalde-noisingtechnique，theeffectivenessofthede—noisingparameteroptimalcriterionandtheresultant improvedapproachisverifi