注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 集合经验模态分解EEMD

  2. 有效避免经验模态分解中产生的模态混叠现象。

  3. 所属分类：其它

  1. 经验模态分解

  2. 基于集合经验模态分解和小波神经网络的短期风功率组合预测

  3. 所属分类：讲义

    • 发布日期：2014-06-29
    • 文件大小：394kb
    • 提供者：shaodan5210

  1. EEMD程序DLL

  2. 集合经验模态分解EEMD的Fortran程序DLL C#调用 测试通过 EEMD 信号长度 信号数据 IMFS分量数 返回结果： 第一组（长度为LenData）为原始数据 第二组（长度为LenData）为第一分量 第三组（长度为LenData）为第二分量 最后一组（长度为LenData）为残留值 是否写入输出文件 1表示要 是否写入控制文件 1表示要 运行结果 1成功 0失败">集合经验模态分解EEMD的Fortran程序DLL C#调用 测试通过 EEMD 信号长度 信号数据

  3. 所属分类：C#

    • 发布日期：2015-01-03
    • 文件大小：16kb
    • 提供者：wangzengwu

  1. 集合经验模态分解(EEMD),EMD的改进版本，有效改善模态混叠现象

  2. 集合经验模态分解(EEMD),EMD的改进版本，有效改善模态混叠现象

  3. 所属分类：其它

    • 发布日期：2017-05-19
    • 文件大小：4kb
    • 提供者：sunny_smile3

  1. EEMD matlab 工具包

  2. 集合经验模态分解（EEMD）经验模态分解（EMD）分解 Matlab 工具包

  3. 所属分类：专业指导

    • 发布日期：2017-07-27
    • 文件大小：194kb
    • 提供者：studentfjq

  1. 经验模态分解

  2. EEMD是Ensemble Empirical Mode Decomposition的缩写，中文是集合经验模态分解，是针对EMD方法的不足，提出了一种噪声辅助数据分析方法。EEMD分解原理是当附加的白噪声均匀分布在整个时频空间时，该时频空间就由滤波器组分割成的不同尺度成分组成。

  3. 所属分类：其它

    • 发布日期：2018-05-18
    • 文件大小：13kb
    • 提供者：weixin_42235300

  1. 总体经验模态分解

  2. EEMD是Ensemble Empirical Mode Decomposition的缩写，中文是集合经验模态分解，是针对EMD方法的不足，提出了一种噪声辅助数据分析方法。EEMD分解原理是当附加的白噪声均匀分布在整个时频空间时，该时频空间就由滤波器组分割成的不同尺度成分组成。

  3. 所属分类：其它

    • 发布日期：2018-05-29
    • 文件大小：6kb
    • 提供者：xzhi309

  1. 集成经验模态分解（EEMD）代码

  2. EEMD是Ensemble Empirical Mode Decomposition的缩写，中文是集合经验模态分解，是针对EMD方法的不足，提出了一种噪声辅助数据分析方法。EEMD分解原理是当附加的白噪声均匀分布在整个时频空间时，该时频空间就由滤波器组分割成的不同尺度成分组成。

  3. 所属分类：其它

    • 发布日期：2018-12-15
    • 文件大小：10mb
    • 提供者：qq_34403551

  1. EEMD算法工具包

  2. EMD是Ensemble Empirical Mode Decomposition的缩写，中文是集合经验模态分解，是针对EMD方法的不足，提出了一种噪声辅助数据分析方法。EEMD分解原理是当附加的白噪声均匀分布在整个时频空间时，该时频空间就由滤波器组分割成的不同尺度成分组成。本文件给出了一个matlab的EEMD的例子 .

  3. 所属分类：电信

    • 发布日期：2019-02-22
    • 文件大小：180kb
    • 提供者：chengjinlang

  1. EEMD集合经验模态分解matlab程序代码

  2. EEMD是Ensemble Empirical Mode Decomposition的缩写，中文是集合经验模态分解，是针对EMD方法的不足，提出了一种噪声辅助数据分析方法。EEMD分解原理是当附加的白噪声均匀分布在整个时频空间时，该时频空间就由滤波器组分割成的不同尺度成分组成。MATLAB版本

  3. 所属分类：其它

    • 发布日期：2019-03-26
    • 文件大小：189kb
    • 提供者：weixin_42956898

  1. EEMD处理.rar

  2. 集合经验模态分解(EEMD)的代码，亲自做过测试，可以运行，文件完整。

  3. 所属分类：其它

    • 发布日期：2019-08-03
    • 文件大小：5kb
    • 提供者：wangwenbo78

  1. 基于灰色关联度的框架式断路器故障诊断方法.pdf

  2. 基于灰色关联度的框架式断路器故障诊断方法.pdf,针对断路器故障诊断技术中智能识别算法过于复杂的问题，提出了一种基于灰色关联度的框架式断路器故障诊断方法，该方法利用灰色综合关联度描述故障特征序列曲线之间的几何相似度来判断故障的归属，充分利用故障特征本身的变化趋势。其首先提取触头振动信号局部均值分解能量矩或分合闸线圈电流信号集合经验模态分解能量矩，经归一化后形成能量矩序列，将该能量矩序列与不同故障状态下的参考序列进行灰色综合关联分析，根据最大关联度原则确定故障类型，其中灰色综合关联度各指标的权值

  3. 所属分类：其它

  1. 基于EEMD降噪和HMM的采煤机摇臂滚动轴承故障诊断

  2. 提出一种集合经验模态分解(EEMD)降噪与隐马尔科夫模型(HMM)的采煤机摇臂滚动轴承故障诊断方法。采用基于峭度准则的EEMD对采集到的振动信号进行降噪预处理,筛选出包含主要特征频率的本征模态函数(IMF),通过求取IMF信息熵提取出敏感特征集,结合训练好的HMM分类模型,对滚动轴承故障类型进行诊断识别。实验数据分析表明,所提出的基于EEMD降噪和HMM的故障诊断方法可以准确区分滚动轴承故障类型,对于4种状态轴承的识别率达到90%以上,是一种有效的采煤机摇臂滚动轴承故障诊断方法 。

  3. 所属分类：其它

    • 发布日期：2020-05-13
    • 文件大小：255kb
    • 提供者：weixin_38513565

  1. 矿用带式输送机驱动滚筒轴承振动信号降噪方法

  2. 针对现有振动信号降噪方法中经验模态分解存在模态混叠、独立分量分析要求采集的振动信号数不少于源信号数等问题，提出了一种基于集合经验模态分解(EEMD)和快速独立分量分析(FastICA)的矿用带式输送机驱动滚筒轴承振动信号降噪方法。首先，通过EEMD算法对采集的振动信号进行分解，得到若干不同尺度的包含故障特征频率的本征模态函数(IMF)分量；然后，基于相关系数对IMF分量进行重构，得到特征信号和虚拟噪声信号，将重构的特征信号和虚拟噪声信号组成输入矩阵，并作为FastICA算法的输入；最后，利用Fa

  3. 所属分类：其它

    • 发布日期：2020-05-06
    • 文件大小：612kb
    • 提供者：weixin_38558054

  1. 矿用钢丝绳断丝特征的识别

  2. 金属磁记忆检测技术能够检测矿用钢丝绳的断丝也能评估其应力集中部位,但是钢丝绳检测一般需要实时在线检测,检测的磁记忆信号混有许多噪声,为了能够提高钢丝绳断丝识别率,需要对检测信号进行降噪处理。采用集合经验模态分解(EEMD)对检测信号降噪结果看出,此方法明显比小波降噪方法好很多,提出了一种筛选本征模态函数(IMF)的方法。

  3. 所属分类：其它

    • 发布日期：2020-05-01
    • 文件大小：195kb
    • 提供者：weixin_38526612

  1. EEMD（集合经验模态分解）.zip

  2. EEMD是针对EMD方法的不足，提出了一种噪声辅助数据分析方法。EEMD分解原理为：当附加的白噪声均匀分布在整个时频空间时，该时频空间就由滤波器组分割成的不同尺度成分组成。当信号加上均匀分布的白噪声背景时，不同尺度的信号区域将自动映射到与背景白噪声相关的适当尺度上去。当然，每个独立的测试都可能会产生非常嘈杂的结果，这是因为每个附加噪声的成分都包括了信号和附加的白噪声。既然在每个独立的测试中噪声是不同的，当使用足够测试的全体均值时，噪声将会被消除。全体的均值最后将会被认为是真正的结果，随着越来越多

  3. 所属分类：其它

    • 发布日期：2020-08-09
    • 文件大小：7kb
    • 提供者：Mr_zhong__

  1. 基于集合经验模式分解的火灾时间序列预测

  2. 采用集合经验模式分解(EEMD)和多变量相空间重构技术,结合非线性支持向量回归(SVR)模型,提出一种火灾次数时间序列组合预测方法。根据EEMD将非平稳的火灾时间序列分解为一系列不同尺度的固有模态分量,利用多变量相空间重构技术对分解的各个分量进行相空间重构,构建其训练数据,对重构的训练数据建立各分量的非线性支持向量回归预测模型,使用SVR集成预测方法对火灾时间序列进行预测。仿真结果表明,与单变量相空间重构方法以及SVR方法相比,该方法具有较高的预测精度。

  3. 所属分类：其它

  1. 基于集合经验模态分解与Elman神经网络的线椒株高预测

  2. 基于集合经验模态分解与Elman神经网络的线椒株高预测

  3. 所属分类：其它

  1. 基于改进集合经验模态分解的陀螺信号降噪方法

  2. 为了抑制陀螺仪的非线性、非平稳噪声,提出了一种改进的基于集合经验模态分解(EEMD)的降噪方法EEMD-M。首先,通过EEMD阈值滤波得到信息主导和噪声主导的固有模态函数(IMF)分量;将EEMD应用于第一次阈值滤波中被丢弃的IMF分量,提取信号的细节信息;采用去趋势波动分析(DFA)法定义每一个IMF分量的尺度指数,实现二次分解中有用分量的进一步提取;将两次滤波得到的有用IMF分量进行重构,得到降噪后的信号。为了验证EEMD-M的有效性,进行了实测数据的降噪实验。结果表明所提EEMD-M优于经

  3. 所属分类：其它

  1. 趋势项调制的小波-经验模态分解联合方法用于大气相干长度廓线去噪

  2. 差分光柱像运动激光雷达的信号噪声直接影响大气湍流强度廓线的反演精度, 采用一种有效的去噪方法能够提升雷达探测性能。为了减弱小波-经验模态分解(EMD)联合降噪方法对小波的依赖性, 提出先利用信号的趋势项对小波降噪后的信号进行自适应调制, 再利用调制后的信号进行EMD去噪, 即小波-趋势项-EMD方法, 趋势项的提取仍采用EMD方法。为了保证调制的有效性, 提出适用于大气相干长度(r0)廓线的调制判定准则, 并采用去趋势波动分析方法自适应识别EMD降噪的阈值。为了论证所提方法的有效性, 将该方法与

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：12mb
    • 提供者：weixin_38730129
« 12 »