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。

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

matlab使用经验模式分解emd 对信号进行去噪

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');
目前的IMF | #Sift Iter | 相对Tol | 停止标准命中   
      1 | 2 | 0.026352 | SiftMaxRelativeTolerance 
      2 | 2 | 0.0039573 | SiftMaxRelativeTolerance 
      3 | 1 | 0.024838 | SiftMaxRelativeTolerance 
      4 | 2 | 0.05929 | SiftMaxRelativeTolerance 
      5 | 2 | 0.11317 | SiftMaxRelativeTolerance 
      6 | 2 | 0.12599 | SiftMaxRelativeTolerance 
      7 | 2 | 0.13802 | SiftMaxRelativeTolerance 
      8 | 3 | 0.15937 | SiftMaxRelativeTolerance 
      9 | 2 | 0.15923 | SiftMaxRelativeTolerance
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);

matlab使用经验模式分解emd 对信号进行去噪

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'); 
 

matlab使用经验模式分解emd 对信号进行去噪

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

matlab使用经验模式分解emd 对信号进行去噪

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选择器选择地查看生成的IMF,原始信号和残差。

 

matlab使用经验模式分解emd 对信号进行去噪

 

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。

 

matlab使用经验模式分解emd 对信号进行去噪

 

选定的IMF现在显示在图上。

 

matlab使用经验模式分解emd 对信号进行去噪

 

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!

 


matlab使用经验模式分解emd 对信号进行去噪

最受欢迎的见解

1.matlab中的偏最小二乘回归(PLSR)和主成分回归(PCR)

2.matlab使用hampel滤波去除异常值

3.matlab使用Copula仿真优化市场风险

4.matlab预测ARMA-GARCH 条件均值和方差模型

5.matlab测量计算信号的相似度

6.MATLAB 求解特征方程的根轨迹图稳定性分析

7.matlab从ECG信号数据趋势项的消除

8.matlab如何滤除低频尖峰脉冲

9.matlab实现MCMC的马尔可夫切换ARMA – GARCH模型估计

 

上一篇:(原)x264代码中的码流控制学习


下一篇:EEMD算法原理与python实现