采用支持向量回归抑制噪声的经验模态分解方法.PDF

第24卷摇 第11期 计 算机 技 术 与发 展 Vol.24摇 No.11 2014年11月 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 COMPUTERTECHNOLOGY AND DEVELOPMENT摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Nov.摇 2014 采用支持向量回归抑制噪声的经验模态分解方法 宋摇 剑,邱晓晖 (南京邮电大学通信与信息工程学院,江苏 南京 210003) 摘摇 要:在实际信号分解中,经验模态分解(EMD)是对噪声敏感的,往往会分离出一些虚假的本征模函数,对信号的分析 产生一定影响。 为了提高EMD分解的正确率,减少其出现虚假本征模函数的情况,文中提出了一种基于支持向量回归 (SVR)的去噪方法。 先对一次EMD分解结果进行SVR逐层滤波并且对信号进行重组,然后利用EMD方法对重组信号进 行二次分解。 实验表明,二次分解结果已经非常接近于理想的分解结果,不会出现虚假 IMF。 这种分解方法对噪声不敏 感,能有效提高EMD方法对噪声的容忍度。 关键词:信号处理;经验模态分解;支持向量回归;噪声抑制 中图分类号:TN911.7摇 摇 摇 摇 摇 摇 文献标识码:A摇 摇 摇 摇 摇 摇 文章编号:1673-629X(2014)11-0122-05 doi:10.3969/j.issn.1673-629X.2014.11.031 Empirical Mode Decomposition Method Using Support Vector Regression to Suppress Noise SONG Jian,QIU Xiao-hui (School of Communication and Information Engineering,Nanjing University of Postsand Telecommunications,Nanjing210003,China) Abstract:EmpiricalModeDecomposition (EMD)issensitivetonoiseinactual signaldecomposition.Falseintrinsicmodefunctionstend to exist in decompositionresults,leadingtonegativeeffectsto signalanalysis.Toimprovetheaccuracy ofEMDandreducethecondition of existing the falseintrinsicmodefunction,inthispaper,anewde-noisingmethodbasedonSupportVectorRegression (SVR).Firstly, decompose the signal with EMD,filtering every IMF by SVR and recombining the regression results.Then decompose the recombined signal withEMDoncemoretime.Experimentalresultsshowthatthesecondarydecompositionresultisveryclosetoidealsituationandno false IMF isappeared in it.Thismethod isnot sensitive to noise,which can effectively improve the tolerance of EMD to noise. Key words:signal processing;EMD;support vector regression;noise suppression 0摇 引摇 言