首先,运用EEMD 理论将振动信号分解为一系列的固有模态函数(Intrinsic Mode Function ,IMF ),然后根据相关系数和均方根准则选取含有原始信号多的IMF 分量构造观测信号,引入虚拟噪声通道;最后,通过FastICA 算法将噪声与故障特征信号进行分离,并对分离出的有用信号进行频谱分析,突显故障频率。通过仿真信号验证所提出方法的...
在这项研究中,提出了一种方法(即EEMD-ICA),该方法首先使用整体经验模式分解(EEMD)将可能带有噪声的多变量神经数据分解为固有模式函数(IMF)。 然后将独立成分分析(ICA)应用于IMF,以分离出人为成分。 该方法已针对经典ICA和自动小波ICA(AWICA)方法进行了测试,这是伪影剔除的主要方法。 为了评估所提出的方法在处理...
基于EEMD-ICA的脑电去噪算法研究 下载积分: 2000 内容提示: 书 书第42卷第3期2021年 3月计 量 学 报ACTAMETROLOGICASINICA Vol.42,№3 March,2021doi:10.3969/j.issn.10001158.2021.03.22基于 EEMDICA的脑电去噪算法研究樊凤杰 1,白洋1, 纪会芳 2(1 燕山大学 电气工程学院,河北 秦皇岛 066004;2 联勤保障...
故障诊断提出了一种基于EEMD的ICA算法,旨在解决单通道轴承-丝杠复合故障的信号分离.首先通过EEMD分解,将复合信号分解在不同的通道中,得到一系列IMF分量;再计算各IMF的峭度值和相关系数值,选取数值较大的几个IMF分量,与原始信号重新组成一组观测信号,作为ICA的输入,得到一系列IC分量;最后选取含有冲击成分较大的IC分量...
通过 EEMD 算法将混合信号分解为 包含不同源信号特征的本征模态函数(IMF),组成新的多维信号;用主成分分析 准确估计源信号个数,解决了单通道信号盲分离的欠定问题;利用快速独立分量分 析(Fast- ICA)算法实现了信号的盲分离。实验信号分别采用仿真信号和列车 实验信号进行实验,实验结果表明,该算法可以有效地分离出...
基于EEMD 和ICA 的语音去噪方法 李晶皎,安 冬,王 骄 (东北大学信息科学与工程学院,辽宁沈阳 110819)摘 要:语音去噪技术是语音识别系统走向实用化的一个关键性难题.针对语音信号为非平稳信号的特点,提出了一种基于EEM D 和ICA 相结合的语音去噪方法,首先利用集合经验模态分解(EEM D )算法将含噪语音信号...
通过 EEMD算法将混合信号分解为包含不同源信号特征的本征模态函数(IMF),组成新的多维信 号;用主成分分析准确估计源 信号个数,解决了单通道信号盲分离的欠定问题;利用快速独立分量分析 (Fast ICA)算法实现了信号的盲分离.实验信号分别采用仿真信号和列车实验信号进行实验,实验结果表明,该算法 可以有效地分离出列车的...
文章将EEMD-ICA技术与SVD相结合,提出基于EEMD-SVD-ICA算法的单通道电网电压谐波分离方法,与现有单通道谐波分离方法相比具有无需源信号先验信息,可分离非平稳信号谐波,算法简单等优点;EEMD方法将单通道信号分解为多路互相正交的本征模态函数分量(IMFs),然后采用SVD代替PCA方法进行数据降维,再运用基于负熵的固定点独立成分...
基于此提出对应的改进算法,首先将夹角余弦法用于筛选有效IMF分量;其次将盲源分离算法中的Fast-ICA算法嵌入EEMD分解算法中以避免模态混叠现象的发生;接着将所提算法运用于模拟信号以验证其可行性;最后将所提改进算法运用于实际桥梁工程的响应信号中,并对比分析所得模态参数值以验证该算法的可靠性。结果表明,所提算法较...
The method, which was named EEMD-based multiscale ICA (EEMD-MSICA), not only enables bearing fault detection but also offers a mechanism of multivariate signal denoising and, in combination with the Envelope Analysis (EA), a diagnostic tool. The multiscale nature of the proposed approach makes...