经验模态分解(EMD)及其改进方法,包括集合经验模态分解(EEMD)和自适应噪声完备集合经验模态分解(CEEMDAN),引入价格指数预测建模研究中。利用EMD及其改进方法对股价时间序列自适应分解与重组的功能,获取波动特征相对简单的IMF或重组子序列,构建预测模型以充分提取子序列的波动模式创造了有利条件,可显著降低对指数序列高精度预测
一种新的EMD降噪方法.采用平均周期与能量密度乘积指标的方法来自动确定分界IMF的K值,将高频噪声IMF分量进行重构,然后用原始信号减去重构噪声,从而达到降噪的目的.利用模拟数据和BJFS站的实测GPS高程时间序列数据进行验证.实验结果表明,该方法能够直接确定分界IMF的K值,降低计算量,在GPS高程时间序列降噪中较传统EMD方法更...
方法的应用准则进行了补充,给出了一种高尺度分辨率的EMD方法。 ‘———～———一 在线性框架下,改进的EMD方法实际上是一种比Wavelet重换具有更 强频域和时域分辨率的局地信号分解方法。同时在非线性框架下改进 后的EMD方法可以圆满地处理一类非线性问题。 本论文的第三硕工作是...
然后从应用角度出发,将改进后的EMD算法拓展应用于结构模态识别,提出能有效识别密集模态参数的希尔伯特-黄方法(Hilbert-Huang Transform,HHT)。文章的主要研究内容有以下四个方面:(1)围绕EMD的端点效应问题:分析了端点效应产生的机理原因,总结了端点效应的评价指标;建立了基于欧几里德距离和皮尔森相关系数的波形匹配度综合指...
将信号输入进行经验模态分解(EMD)及其改进分解方法eemd分解、ceemd分解等分解方法,然后将信号复原,比较每种方法等误差。还有克服端点效应的方法,对信号进行极值延拓,然后进行eemd,Matlab代码ID:9728636012396631
基于边界特征尺度匹配延拓的EMD改进方法及应用_时培明
一种适用于信号分解的emd改进方法,该方法包括以下步骤: 步骤1.将待处理信号x(t)的所有的极大值和极小值的平均值分别定义为a和b,并将a作为信号上包络线的首尾端点,b作为下包络线的首尾端点,然后利用三次样条插值法将a与所有极大值连接起来,b与所有极小值连接起来,从而得到信号的上下包络线,然后计算两条包络...
要:提出一种改进的基于经验模态分解(EMD)的降噪方法,将基于EMD阈值降噪方法和Savitzky—Golay滤波 降噪方法相结合,改进的方法分别将经过EMD分解后得到的噪声信号的高频模态函数用阈值降噪的方法,低频模态函数 用Savitzky—Golay滤波降噪的方法,这样既能保持信号的高频部分,又能较好地保持信号低频部分的光滑特性。仿真实验 ...
摘要：为了提高滑坡变形监测数据预测的有效性与准确性，针对端点效应对EMD分解精度的影响，提出一种抑制端点效应的改进EMD方法。该方法基于函数延拓原理，通过构造极值点，避免出现端点效应，最后使用仿真数据与实测滑坡沉降数据对改进EMD方法的性能进行检验。结果表明，改进EMD方法的分解精度相对传统EMD方法更高，改进EMD方法...