• matlab使用经验模式分解emd 对信号进行去噪


    原文链接 : http://tecdat.cn/?p=2567

    对于这个例子,考虑由具有明显频率变化的正弦波组成的非平稳连续信号。手提钻的振动或烟花声是非平稳连续信号的例子。

    以采样频率加载非平稳信号数据fs,并可视化混合正弦信号。

    1.  
      load('sinusoidalSignalExampleData.mat','X','fs');
    2.  
       
    3.  
      xlabel('Time(s)');

    观察到混合信号包含具有不同幅度和频率值的正弦波。

    为了创建希尔伯特谱图,您需要信号的IMF。执行经验模式分解以计算信号的固有模式函数和残差。由于信号不平滑,请指定' pchip'作为Interpolation方法。

    [imf,residual,info] = emd(X,'Interpolation','pchip');
    1.  
      目前的IMF | #Sift Iter | 相对Tol | 停止标准命中
    2.  
      1 | 2 | 0.026352 | SiftMaxRelativeTolerance
    3.  
      2 | 2 | 0.0039573 | SiftMaxRelativeTolerance
    4.  
      3 | 1 | 0.024838 | SiftMaxRelativeTolerance
    5.  
      4 | 2 | 0.05929 | SiftMaxRelativeTolerance
    6.  
      5 | 2 | 0.11317 | SiftMaxRelativeTolerance
    7.  
      6 | 2 | 0.12599 | SiftMaxRelativeTolerance
    8.  
      7 | 2 | 0.13802 | SiftMaxRelativeTolerance
    9.  
      8 | 3 | 0.15937 | SiftMaxRelativeTolerance
    10.  
      9 | 2 | 0.15923 | SiftMaxRelativeTolerance
    11.  
      分解停止是因为残留信号的极值数小于'MaxNumExtrema'。

    在命令窗口中生成的表指示每个生成的IMF的筛选迭代次数,相对容差和筛选停止标准。此信息也包含在info。您可以通过指定Display为隐藏表0

    HHT(IMF,FS);

    频率对时间图是一个稀疏图,其中垂直颜色条表示IMF中每个点的瞬时能量。该图表示从原始混合信号分解的每个分量的瞬时频谱。从该图中可以观察到三个IMF,其频率在1s处有明显变化。

    可视化信号的残余和内在模式功能

    对于这个例子,考虑由具有明显频率变化的正弦波组成的非平稳连续信号。手提钻的振动或烟花声是非平稳连续信号的例子。

    加载非平稳信号数据,并可视化混合正弦信号。

    load('sinusoidalSignalExampleData.mat','X','fs'); 
     

    观察到混合信号包含具有不同幅度和频率值的正弦波。

    执行经验模式分解以绘制固有模式函数和信号残差。由于信号不平滑,请指定' pchip'作为Interpolation方法。

    emd(X,'Interpolation','pchip');
    1.  
      目前的IMF | #Sift Iter | 相对Tol | 停止标准命中
    2.  
      1 | 2 | 0.026352 | SiftMaxRelativeTolerance
    3.  
      2 | 2 | 0.0039573 | SiftMaxRelativeTolerance
    4.  
      3 | 1 | 0.024838 | SiftMaxRelativeTolerance
    5.  
      4 | 2 | 0.05929 | SiftMaxRelativeTolerance
    6.  
      5 | 2 | 0.11317 | SiftMaxRelativeTolerance
    7.  
      6 | 2 | 0.12599 | SiftMaxRelativeTolerance
    8.  
      7 | 2 | 0.13802 | SiftMaxRelativeTolerance
    9.  
      8 | 3 | 0.15937 | SiftMaxRelativeTolerance
    10.  
      9 | 2 | 0.15923 | SiftMaxRelativeTolerance
    11.  
      分解停止是因为残留信号的极值数小于'MaxNumExtrema'。

    生成具有原始信号,前3个IMF和残差的交互式图。在命令窗口中生成的表指示每个生成的IMF的筛选迭代次数,相对容差和筛选停止标准。您可以通过指定Display为隐藏表0

    右键单击图中的空白区域以打开IMF选择器窗口。使用IMF选择器有选择地查看生成的IMF,原始信号和残差。

    从列表中选择要显示的IMF。选择是否在图上显示原始信号和残差。

    选定的IMF现在显示在图上。

    使用该图可视化从原始信号中分解的各个组件以及残差。请注意,残差是根据IMF总数计算的,并且不会根据IMF选择器窗口中选择的IMF进行更改。

    非常感谢您阅读本文,有任何问题请在下方留言!

  • 相关阅读:
    4.回归类算法目标值连续型
    springcloud笔记
    5.聚类算法kmeans
    FastdFS文件系统
    ElasticSearch
    cors解决跨域
    Swagger
    miaosha2:高并发抢购方案
    关于javascript中的constructor与prototype
    eclipse布署项目到weblogic时启动两次的问题
  • 原文地址:https://www.cnblogs.com/hjj-fighting/p/13496097.html
Copyright © 2020-2023  润新知