搜索资源列表
package_emd
- 经验模态分解（EMD）方法（平稳化过程）是一种全新的处理非平稳数据序列的方法，其基本思想是：假如一个原始数据序列X(t)的极大值或极小值数目比上跨零点（或下跨零点）的数目多两个（或两个以上），则该数据序列就要进行平稳化处理
EMD-Toolbox
- EMD的Toolbox及使用方法 经验模态分解（Empirical Mode Decomposition, 简称EMD）是由美国NASA的黄锷博士提出的一种信号分析方法.它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。这一点与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的差别。正是由于这样的特点, EMD 方法在理论上可以应用于任何类型的信号的分解, 因而在处理非平稳及非线性数据上, 具有非常明显的优势。所以, EMD方法一经提出就在不同的
EMD
- 经验模态分解与希尔波特-黄变换适用于处理非线性与非平稳性过程 -Empirical mode decomposition and Hilbert- Huang Transform
496876399457457454534
- 粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛有原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。 -Particle filter technology in the non-linear, non-Gaussian system demon
HHT_power-system_power-quality_disturbances-detect
- 优秀论文及配套源码。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
PF
- 利用粒子滤波算法的对于非线性非高斯信号处理的优越性能，将之用于模态信号、振动信号去噪处理。-The particle filter algorithm for nonlinear non-Gaussian signal processing, superior performance, it is used for mode signal, vibration signal denoising.
EEMD
- 改进经验模态分解（EEMD）模型，主要用于非稳定类型号处理，在EMD的基础上考虑了端部效应影响，并对其进行了处理。-Embedded empirical mode decomposition (EEMD) model, mainly for the number of non-stable type of treatment, the end effect is considered on the basis of EMD and its processing.
package_emd
- 经验模态分解emd，HIlbert变换工具箱，用以处理非线性非平稳信号，时频分析。-Empirical mode decomposition emd Hilbert transform toolbox for nonlinear and non-stationary signals, time-frequency analysis.
eemd
- 验模态分解（Empirical Mode Decomposition,简称EMD）是一种自适应信号分解方法,主要应用于非线性非平稳的信号。整体平均经验模态分解（Ensemble Empirical Mode Decomposition,简称EEMD）解决了EMD中出现的模态混合问题。-Ensemble Empirical Mode Decomposition
emd
- 经验模态分解（EMD），可以用来完成对非平稳信号的模态分解和滤波-Empirical mode decomposition
High_orderandEMD
- High_orderandEMD.rar包函数了高阶累计量的所所以求法，EMD经验模态分量等算法，是用来分析非平稳随变量信号的最常用的好方法，在此献给信号处理的研究者们。-High_orderandEMD.rar package cumulative amount of higher-order functions are therefore seeking method, EMD empirical mode component of the algorithm is a good metho
EMD-empirical-mode-decomposition
- EMD程序用于分解非线性非稳定性的曲线，对数据进行分解成本征模态函数，-The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis
esmd4j-1.0-free
- 一种新的信号分解方法，极值点对称模态分解。能处理非平稳非线性信号。-A new method of signal decomposition, extreme value point symmetry mode decomposition. Can deal with non-stationary nonlinear signal.
HHT
- 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
matlab-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。文件中为经验模态分解的matlab函数源码，以及实例程序-Empirical mode decomposition (Empirical Mode Decomposition, EMD) method is the yellow E (NE Huang) frequ
wdjijcrd
- 相控阵天线的方向图（切比雪夫加权），本程序的性能已经超过其他算法，可以得到很精确的幅值、频率、相位估计，数据模型归一化，模态振动，计算多重分形非趋势波动分析，各种kalman滤波器的设计。-Phased array antenna pattern (Chebyshev weights), This program has exceeded the performance of other algorithms, You can get a very accurate amplitude, fre
bztdemmj
- 数据模型归一化，模态振动，包含了阵列信号处理的常见算法，包含收发两个客户端的链路级通信程序,对于初学matlab的同学会有帮助，在matlab环境中自动识别连通区域的大小,计算多重分形非趋势波动分析。-Normalized data model, modal vibration, Contains a common array signal processing algorithm, Contains two clients receive link-level communications p
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
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.)
ceemdan
- 该算法适用于各种非线性，非平稳的信号，对于数据的分析较透彻。(The algorithm is suitable for various non-linear and non-stationary signals, and the data analysis is more thorough.)