搜索资源列表
emd
- 希尔伯特变换中的经验模态分解，可对其进行局部分解，采样分解以及求取希尔伯特谱-The empirical mode decomposition, Hilbert transform its partial decomposition, sample decomposition strike Hilbert spectrum
EMD
- 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 IMFs 这里 IMF 须满足如下两个性质 1 信号的极值点 极大值或极小值 数目和过零点EMD 算法是 HHT 的核心算法之一 用来将信号分解为一组性能较好的固有模 态函数(IMF) 以便进行 Hilbert 变换 数目相等或最多相差一个 2 由局部极大值构成的上包络线和由局部极小值构成的下包络线的平均值为零 用于心电信号处理-The purpose of EMD algorithm is that the b
LMDYUANCHENXU
- 局部均值分解是继小波分解、经验模态分解之后的又一种新的信号处理方法，本文件提供了LMD的源代码，可供大家下载。-Local mean decomposition is a new signal processing method after wavelet decomposition and empirical mode decomposition. This paper provides the source code of LMD.
emd-method
- 经验模态分解(EMD Empirical Mode Decomposition )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)信号的极值点(极
qqqqq
- 为了直接对内燃机振动谱图像进行诊断识别，提出一种基于改进变分模态分解（ＶＭＤ）、伪魏格纳时频分 析（ＰＷＶＤ）与局部非负矩阵分解（ＬＮＭＦ）的内燃机振动谱图像识别诊断方法-In order to direct the internal combustion engine vibration spectral image for diagnosis recognition is proposed based on the improved variational mode decomposit
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
emd
- 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处理，然后进行希尔伯特变换获得时频谱图，得到有物理意义的频率。与短时傅立叶变换、小波分解等方法相比，这种方法是直观的、直接的、后验的和自适应的，因为基函数是由数据本身所分解得到。由于分解是基于信号序列时间尺度的局部特性，因此具有自适应性。(The key of thi
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
局部经验模态分解
- 基于局部经验模态分解，可以很好地提取轴承故障特征
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