搜索资源列表
hao_v75
- 复化三点Gauss-lengend公式求pi,计算多重分形非趋势波动分析matlab程序,数据模型归一化,模态振动。- Complex of three-point Gauss-lengend the Formula pi, Calculation multifractal detrended fluctuation analysis matlab program, Normalized data model, modal vibration.
jufyh
- 计算多重分形非趋势波动分析matlab程序,数据模型归一化,模态振动,有较好的参考价值。- Calculation multifractal detrended fluctuation analysis matlab program, Normalized data model, modal vibration, There are good reference value.
kiu-V7.7
- 计算多重分形非趋势波动分析matlab程序,Pisarenko谐波分解算法,数据模型归一化,模态振动。- Calculation multifractal detrended fluctuation analysis matlab program, Pisarenko harmonic decomposition algorithm, Normalized data model, modal vibration.
plot_hht
- 对非平稳信号进行模态分解为瞬时频率有实际意义的多个分量,进而用希尔伯特得到个分量的瞬时频谱,测试有效(The modal decomposition of non-stationary signals is effective)
EMD
- 经验模态分解(Empirical Mode Decomposition,简称EMD)法是美籍华人N. E. Huang等人于1998年提出的,适合于分析非线性、非平稳信号序列,具有很高的信噪比。该方法的关键是经验模式分解,它能使复杂信号分解为有限个本征模函数(Intrinsic Mode Function,简称IMF),所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。(Empirical mode decomposition (EMD) is proposed by Chine
fenjie7768
- labview编写的EMD分解程序 经验模态分解方法(EMD)在非平稳信号的分析和处理中起着重要的作用,为了能够方便的使(EMD decomposition program written by LabVIEW, empirical mode decomposition method (EMD) plays an important role in the analysis and processing of non-stationary signals, so as to make it co
emd
- 经验模态分解 是一种针对非线性、非平稳振动信号的处理方法(Empirical mode decomposition is an approach to nonlinear and non-stationary vibration signals)
EEMD相关文件
- Hilbert-Huang变换(HHT)是一种新的非平稳信号处理技术,该方法由经验模态 分解(EMD)与Hilbert谱分析两部分组成。任意的非平稳信号首先经过EMD方法处理后被分解为一系列具有不同特征尺度的数据序列,每一个序列称为一个固有模态函数(IMF),然后对每个IMF分量进行Hilbert谱分析得到相应分量的Hilbert谱,汇总所有Hilbert谱就得到了原信号的谱图。该方法从本质上讲是对非平稳信号进行平稳化处理,将信号中真实存在的不同尺度波动或趋势逐级分解出来,最终用瞬时频率和能量来
esmd4matlab_1.0
- 非极点对称的经验模态分解matlab计算程序(Non - pole symmetry empirical mode decomposition matlab calculation program)
基于互信息的肝脏图像配准算法研究
- 基于互信息的肝脏图像配准算法研究 肝脏是人体重要的消化器官,肝脏疾病直接影响到人的生命健康。医学影像 学的快速发展为临床诊断提供了丰富直观的医学图像,肝脏CT增强扫描图像使 用造影剂可以在不同相期得到肝动脉与肝静脉高亮的图像,而不同模态的肝脏图 像反映了不同的病理信息。单一相期图像和单一模态图像往往都不能全面反映出 病理信息,通常融合不同肝脏相期图像和不同模态的肝脏图像可以提供更丰富的 信息以便医生掌握病变肝脏的综合信息,从而做出正确诊断或制定出合适的治疗 方案。而这首先要将待融合
HHT
- 基于经验模态分解法(EMD)的Hilbert-Huang变换(HHT)的MATLAB程序。 可将非平稳信号转换为平稳信号,通过将IMF分量累加重构得到平稳信号 。 主程序为HHT.m,需要用到hhspectrum.m函数、instfreq.m函数(在压缩包内)和已安装的EMD工具箱中emd函数。(The empirical mode decomposition (EMD) method based on Hilbert-Huang transform (HHT) of the MATLAB
ceemdan
- 自适应白噪声的完整经验模态分解,在信号处理领域有强大的分解能力,是改进的HHT的一种方法,适合对非线性、非平稳信号进行分解。(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise It has powerful decomposition ability in the field of signal processing which is an improved method of HHT It is sui
希尔伯特黄变换
- HHT主要内容包含两部分,第一部分为经验模态分解(Empirical Mode Decomposition,简称EMD),它是由Huang提出的;第二部分为Hilbert谱分析(Hilbert Spectrum Analysis,简称HSA)。简单说来,HHT处理非平稳信号的基本过程是:首先利用EMD方法将给定的信号分解为若干固有模态函数(以Intrinsic Mode Function或IMF表示,也称作本征模态函数),这些IMF是满足一定条件的分量;然后,对每一个IMF进行Hilbert变换
emd
- 经验模态分解(希尔伯特黄变换)用于非平稳信号的分解和重构(Empirical mode decomposition)
package_emd
- 经验模态分解(Empirical Mode Decomposition,EMD)法是黄锷(N. E. Huang)在美国国家宇航局与其他人于1998年创造性地提出的一种新型自适应信号时频处理方法,特别适用于非线性非平稳信号的分析处理。对经过EMD处理的信号再进行希尔伯特变换,就组成了大名鼎鼎的“希尔伯特—黄变换”(HHT)。由于脑电信号处理很少在EMD之后接上希尔伯特变换,在这里仅介绍EMD的相关基础知识。 EMD其实就是一种对信号进行分解的方法,与傅里叶变换、小波变换的核心思想一致,大家
EMD模型
- 经验模态分解(Empirical Mode Decomposition,简称EMD))方法被认为是2000年来以傅立叶变换为基础的线性和稳态频谱分析的一个重大突破?,该方法是依据数据自身的时间尺度特征来进行信号分解,无须预先设定任何基函数。 该方法的关键是经验模式分解,它能使复杂信号分解为有限个本征模函数(Intrinsic Mode Function,简称IMF),所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。经验模态分解法能使非平稳数据进行平稳化
粒子群算法
- 用改进的粒子群算法对基于非对角MAC矩阵元素均值最小目标函数为目标函数,以简支梁前三阶模态振型为原始数据对简支梁进行传感器优化布置。(The objective function based on the average minimum objective function of the non-diagonal MAC matrix elements is studied by the improved particle swarm algorithm.)
BEMD
- 二维经验模态分解(BEMD)是近年来新兴的一种适用于非线性、非平稳数据的自适应数据(Two-dimensional empirical mode decomposition (BEMD) is a newly developed adaptive data for non-linear and non-stationary data in recent years.)
emd
- 经验模态分解(Empirical Mode Decomposition,EMD)是由 Huang等人于1998年提出的一种针对非线性、非平稳信号的自适应信号分解算法。自该方法提出以后便得到了学术界的广泛关注与研究,经过十几年的研究与发展,在理论方面EMD算法取得了进一步的完善。许多国内外学者也将该方法应用到了地球物理领域,并做了深度的研究与探索。与传统的基于Fourier变换的信号分析方法相比,EMD不仅突破了Fourier变换的局限性,而且不存在如小波变换一样需要预选小波基函数的问题,具有良好
ALIF-master
- 非线性非平稳信号的时频分析是一项非常具有挑战性的工作。为了捕获这些信号中的特征,分析方法必须是局部的、自适应的和稳定的。近年来,不同的研究小组开发了基于分解的分析方法,如Huang等人首创的经验模态分解(EMD)技术。这些方法将信号分解成有限数量的分量,在这些分量上可以更有效地应用时频分析。在本文中,我们考虑迭代滤波(IF)方法作为EMD的替代方法。我们在滤波器上提供了充分的条件,保证了对任意l2信号的中频收敛。然后,我们提出了一种新的技术,自适应局部迭代滤波(ALIF)方法。此外,我们设计了光