[發(fā)明專利]一種具有激勵(lì)噪聲添加參數(shù)選取功能的集合經(jīng)驗(yàn)?zāi)B(tài)分解方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201010032480.1
• 申請(qǐng)日: 2010-01-18
• 公開（公告）號(hào): CN101763336A
• 公開（公告）日: 2010-06-30
• 發(fā)明（設(shè)計(jì)）人: 沈毅;沈志遠(yuǎn)
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號(hào): G06F17/00
• 分類號(hào): G06F17/00;G01V1/28
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 張宏威

技術(shù)領(lǐng)域

本發(fā)明涉及信號(hào)分析與處理技術(shù)領(lǐng)域，具體涉及一種具有激勵(lì)噪聲添加參 數(shù)選取功能的集合經(jīng)驗(yàn)?zāi)B(tài)分解方法。

背景技術(shù)

工程實(shí)踐中要處理的數(shù)據(jù)或信號(hào)多是非線性、非平穩(wěn)的，如地震振動(dòng)數(shù)據(jù)、 電網(wǎng)波動(dòng)數(shù)據(jù)、股票波動(dòng)數(shù)據(jù)、建筑結(jié)構(gòu)損傷監(jiān)測數(shù)據(jù)和設(shè)備故障特征監(jiān)測數(shù) 據(jù)等。目前多采用集合經(jīng)驗(yàn)?zāi)B(tài)分解EEMD的方法對(duì)非線性非平穩(wěn)信號(hào)進(jìn)行處 理，在使用常規(guī)的EEMD方法對(duì)非線性非平穩(wěn)信號(hào)進(jìn)行處理時(shí)添加的噪聲振幅 和集合數(shù)尚不確定，添加的噪聲振幅的幅度越小，原始信號(hào)分解后的結(jié)果越精 確，但是如果添加的噪聲振幅的幅度太小，噪聲不足以激活原始信號(hào)，從而不 能很好的解決模態(tài)混淆問題；反之，如果添加的噪聲振幅a的幅度太大，根據(jù) 為保證分解誤差e滿足精度要求，集合數(shù)P必須選取的較大，然而隨 著集合數(shù)的增加，計(jì)算量呈線性增加。目前使用常規(guī)的EEMD方法對(duì)非線性 非平穩(wěn)信號(hào)進(jìn)行處理時(shí)無法同時(shí)實(shí)現(xiàn)分解精度高且計(jì)算量小。

發(fā)明內(nèi)容

為了解決使用常規(guī)的EEMD方法對(duì)非線性非平穩(wěn)信號(hào)進(jìn)行處理時(shí)無法同 時(shí)實(shí)現(xiàn)分解精度高且計(jì)算量小的問題，本發(fā)明提供一種具有激勵(lì)噪聲添加參數(shù) 選取功能的集合經(jīng)驗(yàn)?zāi)B(tài)分解方法。

本發(fā)明的一種具有激勵(lì)噪聲添加參數(shù)選取功能的集合經(jīng)驗(yàn)?zāi)B(tài)分解方法， 具體為：

步驟一：設(shè)置用于集合經(jīng)驗(yàn)?zāi)B(tài)分解的初始值、分解誤差預(yù)設(shè)差值和分解 誤差最大差值，所述初始值包括集合數(shù)初始值P₀和噪聲振幅初始值a₀，并利用 所述初始值計(jì)算集合數(shù)初始值P₀下的分解誤差初始值e_0，0；

步驟二：向待分解信號(hào)加入噪聲振幅為a_u的白噪聲，對(duì)待分解信號(hào)進(jìn)行集 合數(shù)P_v下的集合經(jīng)驗(yàn)?zāi)B(tài)分解，得到內(nèi)固模態(tài)函數(shù)矩陣，并依據(jù)內(nèi)固模態(tài)函數(shù) 矩陣求得前一次分解誤差e_u，v和本次分解誤差e_u+1，v，v表示第v個(gè)集合數(shù)，u 表示在集合數(shù)P_v下的第u次迭代；

步驟三：比較本次分解誤差e_u+1，v與前一次分解誤差e_u，v，當(dāng)本次分解誤差 e_u+1，v小于前一次分解誤差e_u，v時(shí)，根據(jù)公式計(jì)算新噪聲振幅a_u+1， 重復(fù)步驟二進(jìn)行下一次迭代，直至獲得的本次分解誤差e_u+1，v大于或等于前一次 分解誤差e_u，v時(shí)，將所述前一次分解誤差e_u，v作為集合數(shù)P_v下的最佳分解誤差e_v^*， u＝0，1，2……N；

步驟四：設(shè)置集合數(shù)P_v+1，并利用噪聲振幅初始值a₀，計(jì)算集合數(shù)P_v+1下的 分解誤差初始值e_0，v+1，重復(fù)步驟二和步驟三獲得集合數(shù)P_v+1下的最佳分解誤差 e_v+1，并計(jì)算相鄰兩次分解誤差差值v＝0，1，2……N；

步驟五：比較相鄰兩次分解誤差差值Δe和分解誤差預(yù)設(shè)差值，當(dāng)相鄰兩 次分解誤差差值Δe大于或等于分解誤差預(yù)設(shè)差值時(shí)，重復(fù)步驟四進(jìn)行下一次 迭代，直至相鄰兩次分解誤差差值Δe小于分解誤差預(yù)設(shè)差值時(shí)，具有激勵(lì)噪 聲添加集合數(shù)和添加振幅選取功能的集合經(jīng)驗(yàn)?zāi)B(tài)分解完畢。

本發(fā)明的有益效果為：本發(fā)明的集合數(shù)和噪聲振幅的參數(shù)選擇分別按照集 合數(shù)由小到大、噪聲振幅的幅度由大到小的逐次逼近的參數(shù)確定方法，集合數(shù) 按倍數(shù)增加，在給定集合數(shù)情況下，噪聲振幅的幅度采用按下確界方向逐步逼 近的方法確定，實(shí)現(xiàn)了EEMD分解精度高、避免了模態(tài)混淆且計(jì)算量小。

附圖說明

圖1是本發(fā)明的一種具有激勵(lì)噪聲添加參數(shù)選取功能的集合經(jīng)驗(yàn)?zāi)B(tài)分 解方法的流程圖；圖2是具體實(shí)施方式五中待分解語音信號(hào)示意圖；圖3-圖6 是使用常規(guī)EEMD方法對(duì)待分解語音信號(hào)進(jìn)行處理的語音信號(hào)分解結(jié)果示意 圖，其中，常規(guī)集合數(shù)P為1000，常規(guī)噪聲振幅a為原信號(hào)最大振幅的0.2 倍；圖7-圖10是使用具體實(shí)施方式五對(duì)待分解語音信號(hào)進(jìn)行處理的語音信號(hào) 分解結(jié)果示意圖。