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.
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
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