CN106598910B - 一种emd端点效应抑制方法及*** - Google Patents
一种emd端点效应抑制方法及*** Download PDFInfo
- Publication number
- CN106598910B CN106598910B CN201611238067.4A CN201611238067A CN106598910B CN 106598910 B CN106598910 B CN 106598910B CN 201611238067 A CN201611238067 A CN 201611238067A CN 106598910 B CN106598910 B CN 106598910B
- Authority
- CN
- China
- Prior art keywords
- waveform
- endpoint
- value
- original signal
- similar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Collating Specific Patterns (AREA)
- Complex Calculations (AREA)
Abstract
本申请公开了一种EMD端点效应抑制方法,包括:接收原始信号;提取位于原始信号的目标端点处的特征波形,得到相应的目标特征波形;从原始信号中提取出与目标特征波形相似的所有相似波形,得到N个相似波形;其中,N为正整数;从原始信号中提取出每个相似波形对应的端点波形,得到相应的N个端点波形;对N个端点波形求平均,得到相应的平均波形;从平均波形中提取出延拓波形,并对延拓波形进行经验模态分解,得到相应的各个模态分量。本申请对经验模态分解的端点效应进行了更加有效的抑制。另外,本申请还公开了一种EMD端点效应抑制***以及经验模态分解***。
Description
技术领域
本发明涉及信号处理技术领域,特别涉及一种EMD端点效应抑制方法及***。
背景技术
EMD方法(EMD,即Empirical Mode Decomposition,经验模态分解)是一种非线性、非平稳信号分析方法。该方法的本质是对一个信号进行平稳化处理,其结果是将信号中存在的不同尺度下的波动或变化趋势逐级分解开来,产生一系列具有不同特征尺度的数据序列,每个序列称为一个特征模态函数。端点效应是制约经验模态分解发展的重要因素之一,端点效应具体是指在运用经验模态分解的过程中,因信号两端不一定是极值点,导致构成上、下包络的三次样条曲线在数据序列的两端出现发散现象,并且这种发散的结果会逐渐向内“污染”数据而使所得结果严重失真。
针对经验模态分解端点效应问题,目前已经存在很多抑制的方法,常用的主流方法有镜像延拓法、自适应波形匹配法、积分延拓法等方法。这些方法虽然都能在一定程度上抑制经验模态分解的端点效应,但是同样也存在各自的缺陷,具体如下:
1.镜像延拓法,通过把镜面放在两端的极值点处来实现信号的延拓,没有考虑到信号内部规律以及信号的整体变化趋势,在分析内部变化规律复杂的非平稳信号时不能得到较好的结果。
2.自适应波形匹配法,从原始信号内部找出最符合信号趋势的波形对信号进行延拓,最大限度地维护信号内在的趋势,但是在对信号进行延拓时,只考虑了信号极值点信息,没有考虑信号内部非极值点信息,缺乏对信号的整体认识。
3.积分延拓法,将信号自身波形与两端点处的特征波形相匹配,通过积分法选取与特征波形最为匹配的波形作为最佳匹配波形,通过将最佳匹配波形的左端或右端波形作为延拓波形来实现信号的延拓。积分延拓法利用积分法不仅考虑了信号极点信息同时也考虑到信号内部非极值点信息,但是实际情况下信号一般具有非线性、非平稳的特性,并且不可避免地混有噪声信号。若此时仍然以寻找最佳匹配波形来达到延拓波形的目的,则会产生两个严重的问题:首先,在混有噪声信号的实际信号中找到的最佳波形可能并不是真实的最佳波形;其次,对于非线性、非平稳信号,仅仅凭借单一的最佳波形可能并不能最大程度地表征信号端点的特征波形,也就不能仅仅凭借最佳波形的左端(对于左端点延拓而言)或右端(对于右端点延拓而言)波形的平移来进行相应的端点延拓以达到有效抑制端点效应的目的。
综上所述可以看出,如何对经验模态分解的端点效应进行更加有效的抑制是目前还有待进一步解决的问题。
发明内容
有鉴于此,本发明的目的在于提供一种EMD端点效应抑制方法及***,对经验模态分解的端点效应进行了更加有效的抑制。其具体方案如下:
一种EMD端点效应抑制方法,包括:
接收原始信号;
提取位于所述原始信号的目标端点处的特征波形,得到相应的目标特征波形;
从所述原始信号中提取出与所述目标特征波形相似的所有相似波形,得到N个相似波形;其中,N为正整数;
从所述原始信号中提取出每个相似波形对应的端点波形,得到相应的N个端点波形;
对所述N个端点波形求平均,得到相应的平均波形;
从所述平均波形中提取出延拓波形,并对所述延拓波形进行经验模态分解,得到相应的各个模态分量。
可选的,所述提取位于所述原始信号的目标端点处的特征波形的过程,包括:
提取位于所述原始信号的左端点和/或右端点处的特征波形,得到相应的左端点特征波形和/或右端点特征波形。
可选的,所述左端点特征波形的提取过程,包括:
从左至右依次寻找所述原始信号上的左端点、第一个极值点和第二个极值点,得到相应的第一组坐标点,然后将所述第一组坐标点在所述原始信号上对应的波形提取出来,得到所述左端点特征波形;
所述右端点特征波形的提取过程,包括:
从右至左依次寻找所述原始信号上的右端点、第一个极值点和第二个极值点,得到相应的第二组坐标点,然后将所述第二组坐标点在所述原始信号上对应的波形提取出来,得到所述右端点特征波形。
可选的,所述从所述原始信号中提取出与所述目标特征波形相似的所有相似波形的过程,包括:
从所述原始信号中提取出与所述目标特征波形对应的所有匹配波形,得到M个匹配波形;其中,M为不小于N的整数;
分别计算所述M个匹配波形中每个匹配波形的积分值,得到M个积分值;
计算所述目标特征波形的积分值,得到所述目标特征波形的特征值;
分别计算所述M个积分值中的每个积分值与所述特征值之间的差的绝对值,得到M个绝对值;
从所述M个绝对值中筛选出数值小于预设阈值的所有绝对值,得到N个绝对值;
从所述M个匹配波形中筛选出与所述N个绝对值对应的N个匹配波形,得到所述N个相似波形。
可选的,所述从所述原始信号中提取出与所述目标特征波形对应的所有匹配波形的过程,包括:
确定出所述原始信号中的所有极值点,并将位于所述目标特征波形上的两个极值点从所有极值点中去掉,得到剩余极值点;
将所述剩余极值点中相邻的两个极值点提取出来,得到M对极值点;
利用预设的波形端点时间坐标计算公式,计算所述M对极值点中每对极值点所对应的波形端点的时间坐标值,得到相应的M个时间坐标值;其中,所述波形端点时间坐标计算公式为:
式中,和分别表示所述目标特征波形上的端点x1、第一个极值点m1和第二个极值点n1各自所对应的时间坐标值;和分别表示所述M对极值点的第i对极值点中的第一个极值点mi和第二个极值点ni各自所对应的时间坐标值;表示所述M对极值点的第i对极值点所对应的波形端点xi的时间坐标值;
根据所述M个时间坐标值,确定出相应的M个波形端点;
分别将所述M个波形端点中的每个波形端点与所述M对极值点中相应的一对极值点进行结合,得到M组坐标点;
将所述M组坐标点在所述原始信号上对应的波形提取出来,得到所述M个匹配波形。
可选的,所述预设阈值的取值范围为大于或等于0,并且小于或等于0.5。
可选的,所述从所述原始信号中提取出每个相似波形对应的端点波形的过程,包括:
从所述N个相似波形中筛选出与所述目标特征波形之间距离最近的相似波形,然后确定出该相似波形的波形端点与所述目标端点之间的距离,得到目标距离值;
以所述目标距离值作为端点波形的提取长度基准值,分别提取所述N个相似波形所对应的端点波形,得到所述N个端点波形;
其中,任一端点波形的长度均与所述目标距离值的大小相一致。
可选的,所述从所述平均波形中提取出延拓波形的过程,包括:
将从所述平均波形的第一端至第二端的方向作为寻找方向,依次从所述平均波形上寻找出相应的端点、第一个极值点和第二个极值点,得到第三组坐标点;
将所述第三组坐标点在所述平均波形上对应的波形提取出来,得到所述延拓波形;
其中,若所述目标特征波形为左端点特征波形,则所述平均波形的第一端和第二端分别为所述平均波形的右端和左端;若所述目标特征波形为右端点特征波形,则所述平均波形的第一端和第二端分别为所述平均波形的左端和右端。
本发明还公开了一种EMD端点效应抑制***,包括:
信号接收模块,用于接收原始信号;
特征波形提取模块,用于提取位于所述原始信号的目标端点处的特征波形,得到相应的目标特征波形;
相似波形提取模块,用于从所述原始信号中提取出与所述目标特征波形相似的所有相似波形,得到N个相似波形;其中,N为正整数;
端点波形提取模块,用于从所述原始信号中提取出每个相似波形对应的端点波形,得到相应的N个端点波形;
波形平均模块,用于对所述N个端点波形求平均,得到相应的平均波形;
延拓波形提取模块,用于从所述平均波形中提取出延拓波形,然后将所述延拓波形发送至相应的经验模态分解模块,以利用所述经验模态分解模块对所述延拓波形进行经验模态分解,得到相应的各个模态分量。
本发明进一步公开了一种经验模态分解***,包括前述公开的EMD端点效应抑制***以及经验模态分解模块。
本发明中,EMD端点效应抑制方法,包括:接收原始信号;提取位于原始信号的目标端点处的特征波形,得到相应的目标特征波形;从原始信号中提取出与目标特征波形相似的所有相似波形,得到N个相似波形;其中,N为正整数;从原始信号中提取出每个相似波形对应的端点波形,得到相应的N个端点波形;对N个端点波形求平均,得到相应的平均波形;从平均波形中提取出延拓波形,并对延拓波形进行经验模态分解,得到相应的各个模态分量。
可见,本发明在获取到原始信号之后,将会提取该原始信息的特征波形以及与该特征波形相似的所有相似波形,然后对所有相似波形对应的全部端点波形进行平均,得到相应的平均波形,接着从上述平均波形中提取出相应的拓展波形,基于该拓展波形可以得到经验模态分解的各个模态分量。由上可见,本发明在借鉴积分延拓法自身优点的基础上,同时针对积分延拓法不适于非线性、非平稳以及含噪信号的特点,引入波形平均的方法,在一定程度上抑制了端点效应。也即,本发明对经验模态分解的端点效应进行了更加有效的抑制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种EMD端点效应抑制方法流程图;
图2为本发明实施例公开的一种EMD端点效应抑制方法子流程图;
图3为本发明实施例公开的一种EMD端点效应抑制方法子流程图;
图4为本发明实施例公开的一种EMD端点效应抑制***结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种EMD端点效应抑制方法,参见图1所示,该方法包括:
步骤S11:接收原始信号;
步骤S12:提取位于原始信号的目标端点处的特征波形,得到相应的目标特征波形;
步骤S13:从原始信号中提取出与目标特征波形相似的所有相似波形,得到N个相似波形;其中,N为正整数;
步骤S14:从原始信号中提取出每个相似波形对应的端点波形,得到相应的N个端点波形;
步骤S15:对上述N个端点波形求平均,得到相应的平均波形;
步骤S16:从平均波形中提取出延拓波形,并对延拓波形进行经验模态分解,得到相应的各个模态分量。
可见,本发明实施例在获取到原始信号之后,将会提取该原始信息的特征波形以及与该特征波形相似的所有相似波形,然后对所有相似波形对应的全部端点波形进行平均,得到相应的平均波形,接着从上述平均波形中提取出相应的拓展波形,基于该拓展波形可以得到经验模态分解的各个模态分量。由上可见,本发明实施例在借鉴积分延拓法自身优点的基础上,同时针对积分延拓法不适于非线性、非平稳以及含噪信号的特点,引入波形平均的方法,在一定程度上抑制了端点效应。也即,本发明实施例对经验模态分解的端点效应进行了更加有效的抑制。
本发明实施例公开了一种具体的EMD端点效应抑制方法,相对于上一实施例,本实施例对技术方案作了进一步的说明和优化。具体的:
上一实施例步骤S12中,需要提取位于原始信号的目标端点处的特征波形,得到相应的目标特征波形。
其中,上述目标端点可以是原始信号的左端点和/或右端点。也即,上述提取位于原始信号的目标端点处的特征波形的过程,具体包括:提取位于原始信号的左端点和/或右端点处的特征波形,得到相应的左端点特征波形和/或右端点特征波形。
其中,上述左端点特征波形的提取过程,具体可以包括:
从左至右依次寻找原始信号上的左端点、第一个极值点和第二个极值点,得到相应的第一组坐标点,然后将第一组坐标点在原始信号上对应的波形提取出来,得到左端点特征波形。
另外,上述右端点特征波形的提取过程,具体可以包括:
从右至左依次寻找原始信号上的右端点、第一个极值点和第二个极值点,得到相应的第二组坐标点,然后将第二组坐标点在原始信号上对应的波形提取出来,得到右端点特征波形。
进一步的,上一实施例步骤S13中,需要从原始信号中提取出与目标特征波形相似的所有相似波形,得到N个相似波形。具体的,参见图2所示,上述从原始信号中提取出与目标特征波形相似的所有相似波形的过程,可以包括下面步骤S21至S26:
步骤S21:从原始信号中提取出与目标特征波形对应的所有匹配波形,得到M个匹配波形;其中,M为不小于N的整数;
步骤S22:分别计算上述M个匹配波形中每个匹配波形的积分值,得到M个积分值;
步骤S23:计算目标特征波形的积分值,得到目标特征波形的特征值;
步骤S24:分别计算上述M个积分值中的每个积分值与特征值之间的差的绝对值,得到M个绝对值;
步骤S25:从上述M个绝对值中筛选出数值小于预设阈值的所有绝对值,得到N个绝对值;
步骤S26:从上述M个匹配波形中筛选出与上述N个绝对值对应的N个匹配波形,得到上述N个相似波形。
其中,上述预设阈值的取值范围为大于或等于0,并且小于或等于0.5。
本实施例中,可利用均方根有效值评价法来衡量端点效应抑制方法的效果,均方根有效值评价法的评价指标δ如下式所示:
其中,RMSoriginal表示原信号有效值,RMSi表示第i个IMF分量的有效值,n为IMF分量个数,其中包括经验模态分解的残留项。RMSoriginal表示原始信号的有效值,具体表达式为:
其中,x(i)为信号序列,N为信号长度。在均方根有效值评价法中,δ值越大,端点效应对EMD分解影响越大;反之,δ值越小,端点效应对EMD分解影响也就越小。因此,为了使得步骤S25中的预设阈值为最佳阈值,可以令上述预设阈值在0至0.5之间变化,得到不同阈值下的评价指标δ,选取最小δ所对应的阈值作为最佳阈值。
进一步的,参见图3所示,上述步骤S21中,从原始信号中提取出与目标特征波形对应的所有匹配波形的过程,具体可以包括下面步骤S31至S36:
步骤S31:确定出原始信号中的所有极值点,并将位于目标特征波形上的两个极值点从所有极值点中去掉,得到剩余极值点;
步骤S32:将剩余极值点中相邻的两个极值点提取出来,得到M对极值点;
步骤S33:利用预设的波形端点时间坐标计算公式,计算上述M对极值点中每对极值点所对应的波形端点的时间坐标值,得到相应的M个时间坐标值;其中,波形端点时间坐标计算公式为:
式中,和分别表示目标特征波形上的端点x1、第一个极值点m1和第二个极值点n1各自所对应的时间坐标值;和分别表示M对极值点的第i对极值点中的第一个极值点mi和第二个极值点ni各自所对应的时间坐标值;表示上述M对极值点的第i对极值点所对应的波形端点xi的时间坐标值;
步骤S34:根据上述M个时间坐标值,确定出相应的M个波形端点;
步骤S35:分别将上述M个波形端点中的每个波形端点与上述M对极值点中相应的一对极值点进行结合,得到M组坐标点;
步骤S36:将上述M组坐标点在原始信号上对应的波形提取出来,得到上述M个匹配波形。
进一步的,上一实施例步骤S14中,需要从原始信号中提取出每个相似波形对应的端点波形,得到相应的N个端点波形。具体的,上述从原始信号中提取出每个相似波形对应的端点波形的过程,包括:
从上述N个相似波形中筛选出与目标特征波形之间距离最近的相似波形,然后确定出该相似波形的波形端点与目标端点之间的距离,得到目标距离值;然后以目标距离值作为端点波形的提取长度基准值,分别提取N个相似波形所对应的端点波形,得到上述N个端点波形;其中,任一端点波形的长度均与目标距离值的大小相一致。
进一步的,在上一实施例步骤S16中,需要从平均波形中提取出延拓波形,然后对延拓波形进行经验模态分解,得到相应的各个模态分量。其中,上述从平均波形中提取出延拓波形的过程,具体可以包括下面步骤S41和S42:
步骤S41:将从平均波形的第一端至第二端的方向作为寻找方向,依次从平均波形上寻找出相应的端点、第一个极值点和第二个极值点,得到第三组坐标点;其中,若目标特征波形为左端点特征波形,则平均波形的第一端和第二端分别为平均波形的右端和左端;若目标特征波形为右端点特征波形,则平均波形的第一端和第二端分别为平均波形的左端和右端。
步骤S42:将第三组坐标点在平均波形上对应的波形提取出来,得到延拓波形。
相应的,本发明实施例还公开了一种EMD端点效应抑制***,参见图4所示,该***包括:
信号接收模块11,用于接收原始信号;
特征波形提取模块12,用于提取位于原始信号的目标端点处的特征波形,得到相应的目标特征波形;
相似波形提取模块13,用于从原始信号中提取出与目标特征波形相似的所有相似波形,得到N个相似波形;其中,N为正整数;
端点波形提取模块14,用于从原始信号中提取出每个相似波形对应的端点波形,得到相应的N个端点波形;
波形平均模块15,用于对N个端点波形求平均,得到相应的平均波形;
延拓波形提取模块16,用于从平均波形中提取出延拓波形,然后将延拓波形发送至相应的经验模态分解模块,以利用经验模态分解模块对延拓波形进行经验模态分解,得到相应的各个模态分量。
关于上述各个模块更加具体的工作过程,可以参考前述实施例中公开的相应内容,在此不再进行赘述。
可见,本发明实施例在获取到原始信号之后,将会提取该原始信息的特征波形以及与该特征波形相似的所有相似波形,然后对所有相似波形对应的全部端点波形进行平均,得到相应的平均波形,接着从上述平均波形中提取出相应的拓展波形,基于该拓展波形可以得到经验模态分解的各个模态分量。由上可见,本发明实施例在借鉴积分延拓法自身优点的基础上,同时针对积分延拓法不适于非线性、非平稳以及含噪信号的特点,引入波形平均的方法,在一定程度上抑制了端点效应。也即,本发明实施例对经验模态分解的端点效应进行了更加有效的抑制。
进一步的,本发明还公开了一种经验模态分解***,包括前述实施例中公开的EMD端点效应抑制***以及经验模态分解模块。关于该EMD端点效应抑制***以及经验模态分解模块的具体构造以及工作过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种EMD端点效应抑制方法及***进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种EMD端点效应抑制方法,其特征在于,包括:
接收原始信号;
提取位于所述原始信号的目标端点处的特征波形,得到相应的目标特征波形;
从所述原始信号中提取出与所述目标特征波形相似的所有相似波形,得到N个相似波形;其中,N为正整数;
从所述N个相似波形中筛选出与所述目标特征波形之间距离最近的相似波形,然后确定出该相似波形的波形端点与所述目标端点之间的距离,得到目标距离值;
以所述目标距离值作为端点波形的提取长度基准值,分别提取所述N个相似波形所对应的端点波形,得到N个端点波形;
其中,任一端点波形的长度均与所述目标距离值的大小相一致;
对所述N个端点波形求平均,得到相应的平均波形;
将从所述平均波形的第一端至第二端的方向作为寻找方向,依次从所述平均波形上寻找出相应的端点、第一个极值点和第二个极值点,得到第三组坐标点;
将所述第三组坐标点在所述平均波形上对应的波形提取出来,得到延拓波形;并对所述延拓波形进行经验模态分解,得到相应的各个模态分量;
其中,若所述目标特征波形为左端点特征波形,则所述平均波形的第一端和第二端分别为所述平均波形的右端和左端;若所述目标特征波形为右端点特征波形,则所述平均波形的第一端和第二端分别为所述平均波形的左端和右端。
2.根据权利要求1所述的EMD端点效应抑制方法,其特征在于,所述提取位于所述原始信号的目标端点处的特征波形的过程,包括:
提取位于所述原始信号的左端点和/或右端点处的特征波形,得到相应的左端点特征波形和/或右端点特征波形。
3.根据权利要求2所述的EMD端点效应抑制方法,其特征在于,
所述左端点特征波形的提取过程,包括:
从左至右依次寻找所述原始信号上的左端点、第一个极值点和第二个极值点,得到相应的第一组坐标点,然后将所述第一组坐标点在所述原始信号上对应的波形提取出来,得到所述左端点特征波形;
所述右端点特征波形的提取过程,包括:
从右至左依次寻找所述原始信号上的右端点、第一个极值点和第二个极值点,得到相应的第二组坐标点,然后将所述第二组坐标点在所述原始信号上对应的波形提取出来,得到所述右端点特征波形。
4.根据权利要求3所述的EMD端点效应抑制方法,其特征在于,所述从所述原始信号中提取出与所述目标特征波形相似的所有相似波形的过程,包括:
从所述原始信号中提取出与所述目标特征波形对应的所有匹配波形,得到M个匹配波形;其中,M为不小于N的整数;
分别计算所述M个匹配波形中每个匹配波形的积分值,得到M个积分值;
计算所述目标特征波形的积分值,得到所述目标特征波形的特征值;
分别计算所述M个积分值中的每个积分值与所述特征值之间的差的绝对值,得到M个绝对值;
从所述M个绝对值中筛选出数值小于预设阈值的所有绝对值,得到N个绝对值;
从所述M个匹配波形中筛选出与所述N个绝对值对应的N个匹配波形,得到所述N个相似波形。
5.根据权利要求4所述的EMD端点效应抑制方法,其特征在于,所述从所述原始信号中提取出与所述目标特征波形对应的所有匹配波形的过程,包括:
确定出所述原始信号中的所有极值点,并将位于所述目标特征波形上的两个极值点从所有极值点中去掉,得到剩余极值点;
将所述剩余极值点中相邻的两个极值点提取出来,得到M对极值点;
利用预设的波形端点时间坐标计算公式,计算所述M对极值点中每对极值点所对应的波形端点的时间坐标值,得到相应的M个时间坐标值;其中,所述波形端点时间坐标计算公式为:
式中,和分别表示所述目标特征波形上的端点x1、第一个极值点m1和第二个极值点n1各自所对应的时间坐标值;和分别表示所述M对极值点的第i对极值点中的第一个极值点mi和第二个极值点ni各自所对应的时间坐标值;表示所述M对极值点的第i对极值点所对应的波形端点xi的时间坐标值;
根据所述M个时间坐标值,确定出相应的M个波形端点;
分别将所述M个波形端点中的每个波形端点与所述M对极值点中相应的一对极值点进行结合,得到M组坐标点;
将所述M组坐标点在所述原始信号上对应的波形提取出来,得到所述M个匹配波形。
6.根据权利要求5所述的EMD端点效应抑制方法,其特征在于,所述预设阈值的取值范围为大于或等于0,并且小于或等于0.5。
7.一种EMD端点效应抑制***,其特征在于,包括:
信号接收模块,用于接收原始信号;
特征波形提取模块,用于提取位于所述原始信号的目标端点处的特征波形,得到相应的目标特征波形;
相似波形提取模块,用于从所述原始信号中提取出与所述目标特征波形相似的所有相似波形,得到N个相似波形;其中,N为正整数;
端点波形提取模块,用于从所述N个相似波形中筛选出与所述目标特征波形之间距离最近的相似波形,然后确定出该相似波形的波形端点与所述目标端点之间的距离,得到目标距离值;以所述目标距离值作为端点波形的提取长度基准值,分别提取所述N个相似波形所对应的端点波形,得到N个端点波形;其中,任一端点波形的长度均与所述目标距离值的大小相一致;
波形平均模块,用于对所述N个端点波形求平均,得到相应的平均波形;
延拓波形提取模块,用于将从所述平均波形的第一端至第二端的方向作为寻找方向,依次从所述平均波形上寻找出相应的端点、第一个极值点和第二个极值点,得到第三组坐标点;将所述第三组坐标点在所述平均波形上对应的波形提取出来,得到所述延拓波形;并对所述延拓波形进行经验模态分解,得到相应的各个模态分量;其中,若所述目标特征波形为左端点特征波形,则所述平均波形的第一端和第二端分别为所述平均波形的右端和左端;若所述目标特征波形为右端点特征波形,则所述平均波形的第一端和第二端分别为所述平均波形的左端和右端,然后将所述延拓波形发送至相应的经验模态分解模块,以利用所述经验模态分解模块对所述延拓波形进行经验模态分解,得到相应的各个模态分量。
8.一种经验模态分解***,其特征在于,包括如权利要求7所述的EMD端点效应抑制***以及经验模态分解模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611238067.4A CN106598910B (zh) | 2016-12-28 | 2016-12-28 | 一种emd端点效应抑制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611238067.4A CN106598910B (zh) | 2016-12-28 | 2016-12-28 | 一种emd端点效应抑制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106598910A CN106598910A (zh) | 2017-04-26 |
CN106598910B true CN106598910B (zh) | 2019-03-19 |
Family
ID=58604564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611238067.4A Active CN106598910B (zh) | 2016-12-28 | 2016-12-28 | 一种emd端点效应抑制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106598910B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109084186B (zh) * | 2018-08-17 | 2020-05-26 | 常州大学 | 基于改进的elmd多尺度熵的管道泄漏信号识别方法 |
CN114118169A (zh) * | 2021-12-08 | 2022-03-01 | 国网北京市电力公司 | 基于经验模态分解的特征量提取方法、***、装置及介质 |
CN115204243B (zh) * | 2022-09-15 | 2023-02-07 | 西南交通大学 | 基于相似三角波形匹配延拓的lmd端点效应改善方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200093A (zh) * | 2014-08-27 | 2014-12-10 | 江苏师范大学 | 一种积分延拓抑制局域均值分解端点效应的方法 |
-
2016
- 2016-12-28 CN CN201611238067.4A patent/CN106598910B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200093A (zh) * | 2014-08-27 | 2014-12-10 | 江苏师范大学 | 一种积分延拓抑制局域均值分解端点效应的方法 |
Non-Patent Citations (3)
Title |
---|
A novel wind turbine bearing fault diagnosis method based on Integral Extension LMD;W.Y. Liu et al.;《Measurement》;20151231;第70-77页 |
基于振动信号分析的旋转机械故障诊断方法研究;刘旭鹏;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20150315(第3期);第20-22页 |
改进的LMD算法及其在EEG信号特征提取中的应用;朱晓军 等;《太原理工大学学报》;20120531;第43卷(第3期);第340-343页 |
Also Published As
Publication number | Publication date |
---|---|
CN106598910A (zh) | 2017-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102037195B1 (ko) | 음성 검측 방법, 장치 및 기억 매체 | |
CN106598910B (zh) | 一种emd端点效应抑制方法及*** | |
CN103778611B (zh) | 利用边缘检测的开关加权矢量中值滤波方法 | |
CN105718848B (zh) | 一种指纹图像的质量评估方法及装置 | |
CN104545887A (zh) | 伪差心电波形识别方法和装置 | |
CN104597499B (zh) | 可控震源独立同步激发地震数据邻炮干扰压制方法和装置 | |
CN106771589B (zh) | 一种频谱分析实时瀑布图的实现方法 | |
CN105654051B (zh) | 一种视频检测方法及*** | |
CN104007315A (zh) | 一种改进的经验模态分解处理方法 | |
CN109085481A (zh) | 一种基于ewt的电缆局部放电定位方法 | |
CN108550146A (zh) | 一种基于roi的图像质量评价方法 | |
CN109885903A (zh) | 一种基于模型的地面核磁共振信号尖峰噪声去除方法 | |
CN105139391A (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN106845334A (zh) | 一种基于数学形态学的新型噪声提取方法 | |
CN108257125A (zh) | 一种基于自然场景统计的深度图像质量无参考评价方法 | |
CN110412467A (zh) | 一种归一化互信息准则约束的锂电池故障数据筛选方法 | |
WO2009019683A3 (en) | Interactive system and method for neuromotor functioning assessment and training | |
CN103020959A (zh) | 一种基于引力模型的海洋锋信息提取方法 | |
EP1657546A3 (en) | Shock waveform synthesis methods for shock response spectrum over short time interval, digital filter for obtaining shock response history and inverse filter thereof | |
CN101793599A (zh) | 非理想标靶情况下mtf参数测试方法 | |
CN106682391B (zh) | 基于p-m谱和jonswap谱的实测风浪情况筛选和理论频谱拟合方法 | |
CN106782711B (zh) | 信号提取和误码滤除方法及装置 | |
CN102760284A (zh) | 系数学习装置和方法、图像处理装置和方法、程序以及记录介质 | |
CN106530286A (zh) | 确定清晰度级别的方法及装置 | |
CN103007431A (zh) | 一种可电击信号的检测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |