搜索资源列表
bayes
- Bayes分类器，对随机产生的1000组数据进行分类，模式识别课作业(Bayes classifiation.m)
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
EMD with adaptive noise
- 以适应噪音为模型的经验模式分解，添加了一个特殊的噪声分解，获得每个阶段的模式。由此产生的分解完全可以忽略不计的误差。(Ensemble Empirical Mode decomposition with adaptive noise)
EEMD
- 采用集合经验模态分解方法对心电信号进行去噪(The set of empirical mode decomposition method to denoise ECG signals)
PSO
- 粒子群优化算法可以用于优化很多其他算法，比如说变分模态分解，经验模态分解，神经网络，支持向量机等等(The particle swarm optimization is use to optimize parameters)
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)
emd+信息熵
- 可以实现机械EMD经验模态分解，提取特征量并利用神经网络进行模式识别故障类型(The empirical mode decomposition of mechanical EMD can be realized, feature quantity is extracted and neural network is used to identify the type of fault.)
jingyanmotaifenjie
- 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。(The adaptive signal time-frequency processing method is especially suitable for the analysis and processing of nonlinear non-stationary signals.)
HHT算法
- HHT变换，HHT就是先将信号进行经验模态分解（EMD分解），然后将分解后的每个IMF分量进行Hilbert变换，得到信号的时频属性的一种时频分析方法。(HHT is to first perform the empirical mode decomposition (EMD decomposition) of the signal, and then perform Hilbert transform on each decomposed IMF component to obtain a t
EMD2_4gelizi
- EMD经验模态程序 EMD2_经验模态分解方法的MATLAB程序解读及使用例子(the Procedures of EMD MATLAB program interpretation and application examples of EMD2_ empirical mode decomposition)
EMD
- 信号的经验模态分解算法，及其用于BP神经网络的训练(An empirical mode decomposition algorithm for signal and its training for BP neural network)
VMD
- VMD分解，经验模态分解，为后续对数据处理做准备，有效率大大增加(VMD decomposition, empirical mode decomposition, to prepare for subsequent data processing, greatly increase the efficiency)
Matlab runcode
- EMD（经验模态分解，全称Empirical Mode Decomposition，一般指EMD算法）是Hilbert-Huang变换（HHT）的核心算法。 经验模态分解(EMD)算法是通过算法过程定义的，而并非由确定的理论公式定义的，所以对其进行准确的理论分析非常困难，我们目前只能借助大量的数字仿真试验不断对其性能进行深入的研究。 EMD算法的目的在于将性能不好的信号分解为一组性能较好的本征模函数（IMFIntrinsic Mode Function ），且IMF须满足以下两个性质： (1
三种HHT_Matlab.part01
- 经验模态分解依据信号时间尺度将信号逐级分解成对称的分量，在进一步对模态函数进行希尔伯特变换(Empirical mode decomposition (EMD) decomposes the signal into symmetrical components step by step according to the signal time scale, and further performs the Hilbert transform for modal functions.)
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
EMDs
- 这是关于emd经验模态分解的matlab代码，主要应用于信号的分解，数据的处理等。(This is the matlab code for EMD empirical mode decomposition, which is mainly applied to signal decomposition, data processing and so on.)
EMDs
- EMD经验模态分解算法，用于处理信号数据，可以用来故障诊断(EMD empirical mode decomposition algorithm, used for processing signal data, can be used for fault diagnosis.)
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
信号预处理程序
- 信号预处理的几个程序，包括快速傅里叶变换以及变分模态分解和经验模态分解