搜索资源列表
Hilbert335
- 测量6205深沟球轴承的故障振动加速度信号, 对信号进行时频分析, 利用经验模态分解方法将振动信号分解成不同特征时间尺度的固有模态函数,对每个固有模态函数进行Hilbert 变换得到Hilbert 谱,通过谱分析识别轴承的故障部位和类型, 证实Hilbert 谱的有效性-Measuring 6205 deep groove ball bearing fault vibration acceleration signal, the signal frequency analysis, empiri
114
- 基于经验模态分解和独立成分分析去噪的特点, 提出了一种联合独立成分分析和经验模态分解的混沌信号降噪方法. 利用经验模态分解对混沌信号进行分解, 根据平移不变经验模态分解的思想构造多维输入向量, 通过所构造的多维输入向量和独立成分分析对混沌信号的各层内蕴模态函数进行自适应去噪处理-Based on empirical mode decomposition and independent component analysis denoising characteristics, we propose
115
- 本文针对基于经验模态分解ＥＭＤ的时空滤波器存在的固有模态函数分量中频率混叠交叉导致有用信号与噪声一起被滤除的问题结合小波在时间尺度两域表征信号局部特征的特性提出了一种基于能量估计实现ＥＭＤ分解层数确定-In this paper, based on empirical mode decomposition EMD temporal filter mode functions inherent component of cross-frequency aliasing and noise toge
116
- 针对柴油机振动信号的瞬时非线性特点, 提出采用柴油机振动信号的本征模函数( IMF) 分量进行特征频带识别的新方法。将柴油机振动信号经经验模态分解, 并去掉主要干扰因素所对应的IMF分量, 再将剩余IMF分量进行重构得到柴油机振动信号-For instantaneous nonlinear characteristics of vibration signals of diesel engine, the diesel engine vibration signal of the intrins
117
- 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-For nonlinear and non-stationary signal de-noising is proposed based on principal component analysis (PCA) of the empirical mode decomposition (EMD) de
基于希尔伯特黄熵的麻醉深度估计
- 麻醉深度监测是外科手术中必不可少的步骤之一。 目前已经提出多种监测麻醉深度的脑电信号分析方 法, 尤其熵方法得到了广泛的关注。 提出一种新的麻醉深度监测方法-希尔伯特黄熵, 先用经验模态分解—希尔 伯特黄变换处理脑电信号获取希尔伯特黄边际谱, 再根据香农熵定义得到希尔伯特黄熵。 对 19 个接受吸入药物 七氟醚麻醉的病人脑电信号的希尔伯特黄熵和时频均衡谱熵进行计算、测试和比较, 结果表明:希尔伯特黄熵能够 更准确的区分麻醉和清醒状态, 更适合于麻醉深度监测。
基于 HHT 的船体结构应力监测数据 特征分析和去噪方法
- ［目的］为了去除船体结构应力监测数据中的噪声信号，获得有效的数据信息，以便为后续数据挖掘提 供支撑，［方法］首先，采用 HHT 方法中的经验模态分解（EMD）算法对数据进行成分分析，得到固有模态函数 （IMF）和余项。然后，通过 Hilbert变换得到 Hilbert谱，证明应力监测数据的非平稳特性。最后，以信噪比（SNR） 和均方根误差（RMSE）为例，结合自适应去噪和小波阈值去噪两种方法对应力监测数据进行去噪效果比较。 ［结果］结果表明，基于 HHT方法的自适应去噪和小波去噪都具有一定