基于主成分分析的经验模态分解消噪方课件.docVIP

基于主成分分析的经验模态分解消噪方法( 摘 要: 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理：首先利用 “3法则”对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量；然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验. 实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法. 关键词: 经验模态分解; 信号消噪; 主成分分析; 噪声能量 Empirical Mode Decomposition De-noising Method Based on Principal component Analysis* Abstract: In order to solve the problem of nonlinear and nonstationary signal de-noising, a novel de-noising method is proposed by combining the principal compon