基于主成分分析的经验模态分解消噪方法.pdf

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

EmpiricalModeDecompositionDe-noisingMethodBasedonPrincipalcomponent

Analysis*

Abstract:Inordertosolvetheproblemofnonlinearandnonstationarysignalde-noising,anovelde-noising

methodisproposedbycombiningtheprincipalcomponentanalysis(PCA)andempiricalmode

decomposition(EMD).Themethodremovesnoiseofintrinsicmodefunctions(IMFs)usingPCA,afterthenoisy

signalisdecomposedbyEMD.Firstly,thesignaldetailsofthefirstIMFareextractedbyusingof3criterion,

andthenoiseenergyofeachlevelIMFisestimated.Secondly,thePCAisimplementatedoneachIMF,andthe

partofprinciplecomponentsareselectedtoreconstructtheIMFaccordingwithnoiseenergyofIMFs,thenthe

noiseofIMFisremovedefficiently.Numercialsimulationandrealdatatestwerecarriedouttoevluatethe

performanceoftheproposedmethod.Theexperimentalresultsshowedthattheproposedmethodoutperformedthe

Baysianwaveletthresholdde-noisingalgorithmandmodecellEMDde-noisingalgorithminwhole,soitisanovel

effectivesignalde-noisingmethod.

Keywords:empiricalmodedecomposition;signalde-noising;principlecomponentanalysis;noiseenergy

中图法分类号:TP301文献标识码:A

从被噪声污染的信号中对原信号进行复原是信号处理中的经典问题之一,特别是在加性高斯白噪声条件

[1]

下,提出了很多算法,例如中值滤波、Wiener滤波、小波滤波等.小波分析由于良好的时频分析特性,在信号去