EMD程序做的图形有点怪啊
一段语音信号用EMD来分析,IMF看起来都还行,第一个IMF分量和原始信号差别还挺大的。不过为何后来的HHT看起来如此凌乱?那么多小点代表什么?回复 楼主 的帖子
从EMD的分解图中可以看出来,IMF中出现了模态混叠,效果不好也是正常的回复 2楼 的帖子
怎么才能从图上看出,IMF中出现了模态混叠? 我个人感觉你的原始信号在中间位置出现了奇异点,所以得到的IMF肯定会有模态混叠。不妨在原始信号中将这些点进行预处理,然后再EMD回复 4楼 的帖子
请问怎么进行预处理? 在使用emd处理之前,可以用小波或者滤波器之类的办法,先做一下处理。然后使用emd,这也是消除模态混叠的一些办法回复 6楼 的帖子
请问能不能给举个小波的例子和滤波器的例子的程序?这两天要确定题目的可行性,比较急,没时间重新学习小波和滤波器的方法了
谢了先,麻烦您了:@)
回复 7楼 的帖子
在文献里看到过,但是没有实现过回复 8楼 的帖子
仍然谢谢您了!:@)回复 9楼 的帖子
昆明理工大学学报上有用滤波器的文章,电机学报上有关于小波的文章。手边没有文献记不住名字了 一般来说,分解不理想是不是都是由于摸态混叠的原因呢?那是不是说频率过多的情况下都会产生摸态混叠呢?在pack_emd包里,进行emd分解只有emd.m 这么一个fuction是吧? 本帖最后由 wdhd 于 2016-9-12 13:45 编辑
原帖由 prideheart 于 2008-7-7 16:46 发表
一般来说,分解不理想是不是都是由于摸态混叠的原因呢?那是不是说频率过多的情况下都会产生摸态混叠呢?
在pack_emd包里,进行emd分解只有emd.m 这么一个fuction是吧?
分解不理想有很多原因:两分量频率太接近或者一个分量能量太小就有可能出现模态混叠,信号里有噪声有可能出现过分解。EMD最大的优点就是它的自适应性,但是它的分解效果是不好估计的,有时候能提取出有意思的东西,但是很多时候效果并不是十分理想。 你可以先用离散小波包将于原始 信号分为不同的频率段的信号,然后分别emd分解,最后再组合到一起。
我这里有一篇英文文献,从中摘抄主要相关内容如下。希望对你有所帮助。
An improved Hilbert Huang transform and its application in vibration signal analysis
[ 本帖最后由 xinglong-liu 于 2008-7-13 22:35 编辑 ]
页:
[1]