基干经验模态分解信号去噪.doc

基干经验模态分解信号去噪 　　【摘 要】在实际应用环境中，信号的采集和传输不可避免会受到外界干扰而引入噪声，严重影响了信号的后期处理。基于此，本文提出了基于经验模态分解（Empirical mode decomposition， EMD）的去噪方法。EMD中去噪的关键是高低频索引值的分界点，针对经验模态分解去噪中索引值难以确定的问题，本文采用相关系数法确定索引值。将含噪信号分解成有限个本征模态函数（（Intrinsic mode function， IMF）），利用相?P系数的变化规律确定索引值，再由低频部分的IMF进行信号重构。仿真结果表明，本文提出的方法具有可行性和有效性 【关键词】经验模态分解；索引值；相关系数；含噪信号 Signal Denoising Based on Empirical Mode Decomposition ZHANG Yu-lan1 ZHANG Shi-chao2 （1.School of Computer Engineering，Chongqing College of Humanities，Science Technology，Chongqing 400065，China； 2.School of geography and Tourism，Chong Qing Normal University，Chongqing 400065，China） 【Abstract】In practical applications，the signal acquisition and transmission will be affected by external interference and noise，which have a serious impact on signal processing.Based on this， this paper proposes a denoising method based on empirical mode decomposition.The key to denoising in EMD is the demarcation point of the high and low frequency index value.In view of the problem that the index value is difficult to be determined in the empirical mode decomposition denoising， the paper proposes that the correlation coefficient method is used to determine the index value.The noisy signal is decomposed into a finite number of intrinsic mode functions， and the index value is determined by the law of the variation of the correlation coefficient，and then the signal is reconstructed by the low frequency part of IMF.The simulation results show that the proposed method is feasible and effective. 【Key words】Empirical mode decomposition（EMD）；Index value；Correlation coefficient；Noisy signal 0 引言 含噪信号的去噪预处理在信号处理领域一直都是一个备受关注的研究热点，尤其在实际的工业应用环境中，采集和传输信号的过程中，由于各类硬件和外界环境的因素不可避免的会引入干扰信号，严重影响了后续的信号分析处理工作，因此对含噪信号进行去噪预处理成为热点问题之一。现有的去噪方法有小波阈值处理[1]、压缩感知[2]等。小波阈值方法由于良好的时频分析特性，广泛的应用与信号去噪预处理，但在应用小波变换时其小波基和分解层数的固定性而无法自适应的处理信号，现有的研究表明，选用不同的小波基和分解层数对去噪结果影响很大，这导致使用小波阈值去噪有很大的不便；基于压缩感知的去噪方法应用也很广泛，但需以稀疏度已知为先验条件且稀疏度难以确定，通常是采用稀疏度估计的方法，然而不同的稀疏度对去噪结果影响也很大，并且不同的压缩比对去噪也有较大的影响，并且消耗时间很长。1