2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩71頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、總體經驗模態(tài)分解(Ensemble Empirical Mode Decomposition,簡稱EEMD)是針對經驗模態(tài)分解(Empirical Mode Decomposition,簡稱EMD)中存在的模態(tài)混疊問題提出的一種非平穩(wěn)信號分解方法。該方法基于噪聲輔助分析,通過每次向原始信號中添加一組不同的白噪聲,并將添加噪聲后的信號作為一個“總體”進行EMD處理,利用白噪聲在時頻空間上尺度均勻分布的特點,使得信號自動映射到合適的尺度中去

2、。經過多次EMD分解之后,最終對得到的多組固有模態(tài)函數(shù)(Intrinsic Mode Function,簡稱IMF)分量求平均,由于白噪聲的零均值特性,經過多組平均處理的噪聲將相互抵消。但EEMD的一個最大問題就是運算效率較低,當原始數(shù)據序列的長度較長時,這一弊端就會更加凸顯。針對這一問題,本文提出了一種WPD-EEMD分解方法來改善EEMD的分解效率,并以腦電信號處理為應用背景,驗證了該方法的有效性。在此過程中,本文主要做了以下幾項工

3、作:
   首先,腦電信號是一種典型的、包含突變信息的非平穩(wěn)信號,為了驗證EEMD在這種情況下是否有效,本文采用EEMD分解方法對非平穩(wěn)信號進行處理,驗證了EEMD在檢測突變信息、改善模態(tài)混疊方面的有效性。
   其次,為了能夠有效改善EEMD的分解效率,本文從提高信號的信噪比入手,深入研究了在腦電信號去噪領域中應用廣泛的小波去噪理論。由于小波變換只對信號的低頻部分進行細分,因此信號在高頻部分的頻率分辨率較差。但是,腦電

4、信號中通常都包含一些高頻突變信息,小波去噪容易造成這些突變信息的丟失。因此,本文探究了在保留高頻突變特征方面更具優(yōu)勢的腦電信號去噪方法——小波包去噪法,通過對一組公開的腦電數(shù)據進行實驗對比,驗證了小波包在腦電信號去噪方面的優(yōu)勢。
   最后,由于EEMD分解時加入白噪聲的次數(shù)達到上百次甚至數(shù)百次時才會取得較為滿意的結果。每加入一次白噪聲,就執(zhí)行一次EMD分解,隨著加入白噪聲數(shù)目的增大,EMD分解的次數(shù)就隨之增多,最后還需要對所有

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論