本征模态函数

摘要： 针对MEMS陀螺仪随机漂移产生的误差,提出一种引入Hurst指数的自适应噪声完备集成经验模态分解(CEEMDAN)与自适应卡尔曼滤波(AKF)相结合的去噪模型。首先,通过CEEMDAN对陀螺仪原始信号进行分解,得到一系列频率由高到低的本征模态函数(IMF)和一个残差余量;然后,提出Hurst指数模态筛选机制,将IMF分量划分为噪声IMF、混合IMF和信息IMF;最后,使用自适应卡尔曼滤波器对混合模态分量进行滤波并重构信号。结果表明,CEEMDAN较EMD和EEMD具有更高的分解精度;使用AKF处理混合模态,通过Hurst指数筛选机制重构信号的信噪比相较于排列熵和相关系数法分别提升约12%、36%;使用Hurst指数筛选机制,AKF处理混合模态后重构信号的RMSE较小波阈值滤波降低约23%。

摘要： 针对我国北斗系统变形监测数据中存在的噪声问题,本文利用自适应信号分析方法经验模态分解(EMD)对某北斗实测变形监测数据进行降噪处理。首先对E、N、U 3个方向的分量进行分解获取本征模态函数及趋势项,其次根据相关系数分离出噪声的本征模态函数,最后根据重构方法得到干净的位移序列。结果表明:EMD方法在北斗变形监测数据中的去噪是可行的,能有效分离信号与噪声,进一步提高了北斗观测的精度。

摘要： 针对传统概率神经网络(PNN)分类器中平滑因子依靠人工经验赋值,导致电能质量扰动信号识别分类精度不高的问题,文中提出一种基于极点对称模态分解和麻雀搜索算法优化概率神经网络(SSA-PNN)的电能质量扰动信号识别分类方法。首先,添加含噪声的电能质量扰动信号;其次,利用极点对称模态分解算法对扰动信号进行分解,得到不同频率的本征模态函数;再根据原信号与本征模态函数分量的相关系数选取有代表性的分量,对代表性分量提取能量值和样本熵并将其作为特征向量;最后,创新性地利用麻雀搜索算法优化概率神经网络中的平滑因子,寻找最优平滑因子构建SSA-PNN分类器,将特征向量输入传统PNN分类器和SSA-PNN分类器中进行识别分类。仿真结果表明,相较于传统PNN分类器,SSAPNN分类器的准确率较高,可为电能质量扰动信号识别分类提供一种新的解决方案。

摘要： 文章针对确定电缆故障时遇到的困难,提出采用变分模态分解(VMD)中[K, α]参数的电缆故障定位方法(K为分量个数;α为惩罚参数)。在变分模态分解时,[K, α]不是固定不变的,需要根据实际情况设定,这会造成误差。可以利用麻雀优化算法(SSA)解决这一关键问题,利用其可以自动寻优的特性,实现信号的理想分解。SSA算法可以自适应地获得VMD中参数[K, α]的最优值,使定位更加准确。采用麻雀优化算法可以确定变分模态分解中的分量个数K和惩罚参数α,然后对采集到的故障信号采用变分模态分解进行分析,得到最佳参数组合的本征模态分量。计算各个分量的中心频率,对中心频率最高的模态分量进行数据分析,通过检测初始行波和反射波到达测量端的时间,利用公式确定故障点的位置。

摘要： 为降低微机电系统陀螺测量数据中的随机误差,针对当载体运动状态突然改变导致陀螺传感器数据发生阶跃变化的情况,提出了一种改进的自适应噪声完备经验模态分解-前向线性预测滤波(CEEMDAN-FLP)的混合降噪方法。改进算法首先对于低阶噪声本征模态函数采用软阈值滤波,避免了常规方法将噪声本征模态函数直接去除引起高频信号丢失的问题,同时对混合本征模态函数采用前向线性预测滤波,避免阈值提升引起的过度滤波问题;最后对滤波结果与信号本征模态函数进行数据重构。通过仿真验证,表明改进算法滤波结果的均方根误差与滤波前相比减小了约51.53%,与经验模态分解滤波算法相比减小了约17.39%;通过实测数据验证,表明改进算法滤波后的陀螺数据与基于CEEMDAN的算法滤波后的陀螺数据分别用于姿态解算,在不明显增加运算负担的同时,改进算法姿态累积误差仅约是CEEMDAN算法姿态累积误差的20.56%。可见,改进算法可以有效地提高传感器的测量精度。

摘要： 针对变分模态分解(VMD)算法中分解层数和惩罚因子2个参数对分解结果有着显著影响且不易确定的问题,提出了灰狼和布谷鸟混合优化VMD算法(简称优化VMD算法)。该方法以包络熵差异互相关系数作为适应度函数,以全局最小适应度值为优化目标,筛选出最佳的VMD参数组合。将优化VMD算法用于水轮机空化声发射信号的特征分析,通过分解得到本征模态函数(IMF),建立了IMF能量随空化系数的变化关系,反映了水轮机空化的发展状态。结果表明:随着空化系数的减小,各主要IMF能量增大,反映了水轮机空化从无到有,从弱到强的变化过程,验证了优化VMD算法用于水轮机空化分析的正确性。

摘要： 为提高MEMS加速度计测量精度,采用了一种基于经验模态分解法(EMD)的随机误差补偿方法。文中通过EMD算法将加速度计信号分解为本征模态函数(IMFs)和一个残余分量,将IMF分为噪声主导分量、信号/噪声混合分量及信号主导分量三类:通过阈值处理实现信号/噪声混合分量降噪;将经过降噪的信号/噪声混合分量与信号主导分量进行重构,得到降噪后的加速度计信号。通过仿真动态数据验证和静态采集数据验证,证明算法有效提高了加速计的测量精度。

摘要： 为从液压系统振动信号中提取有效特征进行故障诊断,针对随机噪声 、端点效应和虚假分量会影响变分模态分解(VMD)的分解精度问题,提出了一种改进VMD的故障特征提取方法.首先,针对随机噪声会导致分解误差增大现象,提出了基于奇异值差分谱降噪预处理,该方法能抑制噪声对分解结果的干扰;然后,针对端点效应会导致VMD处理信号两端产生明显的飞翼现象,提出了基于支持向量回归机的端点延拓,该方法具有较高的拟合精度;最后,针对虚假本征模态函数(IMF)分量会导致VMD处理出现能量泄漏现象,提出了IM F能量熵增量的虚假分量剔除,该方法的真假分量具有区分性.仿真信号和实测液压信号分析表明:改进VMD能有效改善传统VMD方法在特征提取上的三个不足,可准确提取液压故障信号的主要特征频率,实现液压系统故障的精确诊断.

摘要： 为了提高电力负荷预测精度,提出一种基于自适应噪声的完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,简称CEEMDAN)算法和外部输入非线性自回归(nonlinear auto regressive with exogenous inputs,简称NARX)神经网络的短期负荷预测模型.首先,通过CEEMDAN算法对电力负荷原始信号进行分解,得到若干个本征模态函数分量和1个残差分量;然后,将得到的若干个本征模态函数分量和1个残差分量输入NARX神经网络进行预测;最后,将各分量的预测结果进行叠加得到短期负荷预测的最终结果.实验结果表明:CEEMDAN算法与NARX神经网络相结合的负荷预测模型有较强的收敛性能,能减少噪声对预测结果的不良影响、有效提高预测精度.

摘要： 在实际地震记录形成过程中存在高、低频成分地震波的叠加,地震动高、低频成分的组成是地震动反应谱特征的重要反映。采用数字滤波技术,以加速度反应谱平均周期2 s为截止周期,结合经验模态分解,提取2 s以上的本征模态函数及残值重构并基线校正后作为长周期分量,其余本征模态函数重组为短周期分量;通过原地震动与分量的相关性、反应谱的离散性对提取方法的有效性进行验证,并与既有方法进行对比。结果表明:该长周期地震动分量提取方法能较好地提取出在长周期和短周期部分与原地震动具有较好的相关性、地震反应谱离散性较小的长、短周期分量,且较好地反映原地震动的谱特征,在长周期地震动分量提取中具有更好的适应性。

摘要： 为了获取更高的地震资料分辨率,更好的适应精细储层勘探和开发的需要,本文提出了基于CEEMD的地震信号高分辨率处理方法.对单道地震信号进行完备集合经验模态分解(CEEMD)得到相应的本征模态函数(IMF)分量;利用相关系数-阈值法确定阈值H选出有效频段内的IMF分量进行叠加,进行高分辨率处理;将处理后的IMF分量和剩余的IMF分量进行信号重构;逐道处理得到高分辨率的地震剖面.模型数据和实际地震资料的测试结果表明,本方法有效的提高了地震信号的分辨率,能够为地震勘探开发提供精度更高的地震资料.

摘要： 经验模态分解算法(EMD)将原始信号分解成一系列的本征模态函数(IMF),传统地直接将前三阶IMF作为特征提取的对象.针对传统方法存在误差大,复杂度大和识别率不高的问题,本文提出基于相关性分析的经验模态分解算法.针对五类真实的癫痫脑电数据,首先,基于相关性分析,选取IMF分量与原始信号相关性最大的本征模态函数作为研究对象,提取不同信号的特征.其次,基于Kruskal-Waills算法,选取能够识别不同信号的有效特征指标.最后,基于支持向量机算法,对不同信号进行分类识别实验.实验结果表明,基于相关性分析的EMD算法对不同信号的识别率均达到88％以上,比传统的直接提取前三阶IMF算法识别效果更好.提取的信号特征具有普遍性,因此本算法具有很好的自适应性.

摘要： 提出了一种自相关与Hilbert-Huang相结合的齿轮箱故障诊断的方法.用EMD方法对齿轮振动信号数据进行分解,得到若干本征模态函数(Intrinsic Mode Function,IMF).通过对IMF分量进行自相关分析,能够有效地剔除噪声分量,快速、准确地筛选出含有齿轮故障特征信息的IMF分量,再对其作Hilbert-Huang变换,从而得到齿轮箱的故障特征频率.经过实测齿轮箱的振动信号的应用,证明该方法具有很高的工程应用价值.

摘要： 介绍了经验模态分解(Empirical Mode Decomposition，简称EMD)的基本原理和步骤，探讨了测井信号EMD在高分辨率层序地层划分及对比中的应用，提出对测井数据进行EMD分解，并将其处理结果用于层序划分及对比的方法。结果表明，测井数据EMD分解得到的本征模态函数(Intrinsic mode function，简称IMF)揭示了测井数据各深度处的频率特性，可以清晰反映出频率变化的结构特征。不同分解层的IMF信息刻画了不同规模的旋回周期特征，并与各级层序相对应，进而利用IMF信息进行地层对比，刻画地层内部特征。利用这些特征可以清晰地找到对应地层序列中不同级别的界面，进而实现对各级层序划分，在各级层序划分格架控制下，进行各级地层等时对比。这种方法为利用测并资料进行高分辨率层序研究提供了一种新的手段，在长庆油区延长组的应用证明了该方法的有效性。

摘要： 希尔伯特黄变换是对信号进行黄变换分解，然后进行希尔伯特变换的一种算法。运用希尔伯特黄变换可以提取瞬时振幅、瞬时相位与瞬时频率(统称“三瞬”)属性剖面，对于黄变换分解的各分量三瞬属性剖面具具有更精细的属性特征，利用这些剖面可以对原始剖面进行更精细的地震资料分析与解释。同时，利用黄变换的分解特性可对舍噪声地震数据进行噪声剔除处理，得到干净、清晰的地震反射剖面，文中分别对含高、低频噪声的地震数据进行了剔除处理，得到了信噪比品质较好的地震剖面。因此，希尔伯特黄变换算法在地震资料分析和处理方面具有非常重要的意义，值得进一步探讨与研究。

摘要： 希尔伯特黄变换是对信号进行黄变换分解，然后进行希尔伯特变换的一种算法。运用希尔伯特黄变换可以提取瞬时振幅、瞬时相位与瞬时频率(统称“三瞬”)属性剖面，对于黄变换分解的各分量三瞬属性剖面具具有更精细的属性特征，利用这些剖面可以对原始剖面进行更精细的地震资料分析与解释。同时，利用黄变换的分解特性可对舍噪声地震数据进行噪声剔除处理，得到干净、清晰的地震反射剖面，文中分别对含高、低频噪声的地震数据进行了剔除处理，得到了信噪比品质较好的地震剖面。因此，希尔伯特黄变换算法在地震资料分析和处理方面具有非常重要的意义，值得进一步探讨与研究。

摘要： 希尔伯特黄变换是对信号进行黄变换分解，然后进行希尔伯特变换的一种算法。运用希尔伯特黄变换可以提取瞬时振幅、瞬时相位与瞬时频率(统称“三瞬”)属性剖面，对于黄变换分解的各分量三瞬属性剖面具具有更精细的属性特征，利用这些剖面可以对原始剖面进行更精细的地震资料分析与解释。同时，利用黄变换的分解特性可对舍噪声地震数据进行噪声剔除处理，得到干净、清晰的地震反射剖面，文中分别对含高、低频噪声的地震数据进行了剔除处理，得到了信噪比品质较好的地震剖面。因此，希尔伯特黄变换算法在地震资料分析和处理方面具有非常重要的意义，值得进一步探讨与研究。

摘要： 希尔伯特黄变换是对信号进行黄变换分解，然后进行希尔伯特变换的一种算法。运用希尔伯特黄变换可以提取瞬时振幅、瞬时相位与瞬时频率(统称“三瞬”)属性剖面，对于黄变换分解的各分量三瞬属性剖面具具有更精细的属性特征，利用这些剖面可以对原始剖面进行更精细的地震资料分析与解释。同时，利用黄变换的分解特性可对舍噪声地震数据进行噪声剔除处理，得到干净、清晰的地震反射剖面，文中分别对含高、低频噪声的地震数据进行了剔除处理，得到了信噪比品质较好的地震剖面。因此，希尔伯特黄变换算法在地震资料分析和处理方面具有非常重要的意义，值得进一步探讨与研究。

摘要： 希尔伯特黄变换是对信号进行黄变换分解，然后进行希尔伯特变换的一种算法。运用希尔伯特黄变换可以提取瞬时振幅、瞬时相位与瞬时频率(统称“三瞬”)属性剖面，对于黄变换分解的各分量三瞬属性剖面具具有更精细的属性特征，利用这些剖面可以对原始剖面进行更精细的地震资料分析与解释。同时，利用黄变换的分解特性可对舍噪声地震数据进行噪声剔除处理，得到干净、清晰的地震反射剖面，文中分别对含高、低频噪声的地震数据进行了剔除处理，得到了信噪比品质较好的地震剖面。因此，希尔伯特黄变换算法在地震资料分析和处理方面具有非常重要的意义，值得进一步探讨与研究。

摘要： 介绍了一种新的信号去噪方法.针对激光雷达信号和EMD信号分解的特点,结合统计检测理论,利用中心极限定理和Grubbs判据对信号强度起伏的随机性进行检测.检测出的信号强突变部分视为信号的发展趋势保留不参与EMD分解,其余部分则使用EMD方法分解.对分段处理的信号用半软阈值限幅的办法重构;重构信号可能出现的pseudo-Gibbs现象,采用平移不变量去噪原理处理.实测信号的处理结果表明了这种去噪方法的有效性,即能取得较好的去噪效果,又能较好的保留信号的突变信息和强突变信息。

摘要： 本发明公开了一种适用于虚函数和函数指针的静态函数调用图构建方法，其步骤包括：1获取源程序的中间代码；2获取中间代码中的关键信息，所述关键信息包括基本块顺序队列以及虚函数相关信息；3基于所述关键信息，对所述中间代码进行模拟执行，分析出所述中间代码中的函数调用指令调用的实际函数，同时记录下函数调用关系；4根据所述函数调用关系，构建出静态函数调用图。本发明能够全面的分析出虚函数、函数指针调用以及线程创建关系，而且能准确的分析出复杂的函数指针调用，从而能更好的帮助程序开发人员理解程序，同时提升依赖于函数调用图的静态分析方法的准确性。

摘要： 本发明公开了一种内核态调用用户态函数的方法，包括：把内核态对用户态函数的调用转换为对内核态线程的阻塞和唤醒：在内核态中实现对被调用用户态函数的参数封装、内核态线程阻塞、ioctl消息通信来完成用户态函数的调用，当被调用用户态函数返回调用结果后，通过ioctl消息通信把用户态函数返回结果发送到内核态，再唤醒阻塞的内核态线程，完成函数调用的整个过程。本发明实现了内核态对用户态函数的调用，在不修改内核逻辑的情况下，使用阻塞唤醒方式完成内核态到用户态的透明调用，不修改原函数的逻辑。

摘要： 本发明涉及一种基于原子状态函数的浮点数误差检测方法和装置。本发明对源代码或程序进行插桩以获取程序运行时的内部状态；通过程序运行时的内部状态，计算每个浮点数运算的原子状态函数，挖掘原子状态函数与浮点数误差的内在联系，推断出原子状态函数与误差的强关联性；构建搜索框架，利用搜索算法得到会触发高危原子状态函数的测试用例集合；该测试用例集合即为揭错率高，会触发显著浮点数误差的输入。由于计算原子状态函数不需要引入高精度浮点数，不依赖于测试预言，使得本发明不依赖于测试预言，并且揭错率高，运行开销小，不依赖于高精度浮点数，运行时间快。

摘要： 本发明提供了一种动力电池开路电压‑荷电状态函数关系的重构方法，该方法中通过实车采集数据按照停车充电过程分割得到数据片段，建立电池模型，辨识获取各数据片段中所有采样点下的OCV值，进而基于预设的SOC参考值，建立各数据片段对应的OCV‑SOC散点映射关系片段。在SOC‑OCV坐标系下，固定具有最高OCV值的OCV‑SOC散点映射关系片段，不断沿SOC轴方向平移其余OCV‑SOC散点映射关系片段，并对平移后的OCV‑SOC散点映射关系片段进行整体拟合，直至达到最优拟合效果，从而得到OCV‑SOC散点映射关系片段拼接的最优解，即最优的OCV‑SOC函数关系。该方法无需传统耗时的电池实验，可直接采用实车采集数据重构OCV‑SOC函数关系，大大缩短算法开发周期、减少算法开发成本。

摘要： 本发明公开了一种轴承故障信号内禀模态函数分解与提取方法及装置，包括：利用振动传感器获取轴承运转过程中的振动信号，并将振动信号作为分析信号；通过改进的集合经验模态分解方法对分析信号进行模态分解，通过添加最优幅值的伪随机噪声并对信号进行模态分解，以获取多个内禀模态函数数据；构建敏感IMF筛选指标，实现对敏感IMF的自动选取；通过对敏感内禀模态函数数据进行分析处理，判断轴承的故障。本发明对轴承故障信号进行模态分解可以获取无模态混叠的内禀模态函数数据以及包含故障特征的敏感内禀模态函数数据，解决了故障数据经模态分解后容易出现模态混叠以及敏感内禀模态函数数据获取困难问题，使得轴承故障判断更加准确。

摘要： 本发明公开了一种适用于虚函数和函数指针的静态函数调用图构建方法，其步骤包括：1获取源程序的中间代码；2获取中间代码中的关键信息，所述关键信息包括基本块顺序队列以及虚函数相关信息；3基于所述关键信息，对所述中间代码进行模拟执行，分析出所述中间代码中的函数调用指令调用的实际函数，同时记录下函数调用关系；4根据所述函数调用关系，构建出静态函数调用图。本发明能够全面的分析出虚函数、函数指针调用以及线程创建关系，而且能准确的分析出复杂的函数指针调用，从而能更好的帮助程序开发人员理解程序，同时提升依赖于函数调用图的静态分析方法的准确性。

摘要： 本发明公开了一种基于开关状态函数的永磁电机在线参数辨识方法。设置微分采样电路，微分采样电路经霍尔传感器和永磁电机的三相线连接；通过霍尔传感器测量永磁电机的三相电流后，输入微分采样电路提取永磁电机的三相电流微分值；根据永磁电机在不同电压矢量作用下的三相电流微分值进行处理获得永磁电机的电感参数和磁链参数。本发明在考虑永磁电机逆变器供电影响下，实现了电机电感和磁链参数的在线辨识，能够实时跟踪电机运行过程中的参数变化。

摘要： 本发明公开了一种基于硬件的程序动态函数调用序列追踪方法和装置。该方法在执行硬件跟踪前对目标程序进行插桩形成插桩程序，通过插桩构建函数调用跳转跟踪块，使得目标程序的各目标函数的入口和出口跳转至函数调用跳转跟踪块内再返回，然后在执行硬件跟踪时，仅对函数调用跳转跟踪块的程序块进行跟踪，由此，根据硬件跟踪所输出的追踪数据即可分析出目标程序执行的函数调用关系和调用序列。本发明通过将追踪粒度由原始的程序基本块扩大至函数，从而降低处理器硬件追踪所产生的追踪数据的速度，使得所产生的追踪数据能够与追踪数据存储的速度匹配，减少追踪数据的丢失。

摘要： 本发明公开了一种基于动态函数改进的多新息最小二乘参数辨识方法：采用递推最小二乘算法对锂电池等效电路模型参数进行辨识，数据利用率低；且当系统脉冲电流变化率较大时，算法的跟踪效果不理想，参数辨识误差较大；为了解决这一问题，将递推最小二乘算法中的标量新息扩展为向量新息，并依据单侧极限思想，引入动态函数对原新息进行权重约束。本发明通过综合考虑数据利用率和计算复杂度，实现了锂电池等效电路模型参数的高效准确辨识，为锂电池的能源管理提供理论依据，属于新能源测控领域。

摘要： 本发明提供一种基于本征模态函数重组信号相对熵的自适应流程工业过程的工艺参数去噪方法，本方法以高炉生产过程中的工艺参数为例进行说明，包括如下步骤：取一段高炉数据中的两个不同区间，并对两个数据中的信号分别使用经验模态分解方法进行分解；对分解后得到的两部分信号分量中的本征模态函数，从频率由高到低的顺序进行逐步重组，并同时计算两部分重组分量间的相对熵，构成相对熵的二维向量；将数据形式最接近的两部分视为两个过程中普遍共存的噪声成分；并对两部分信号中接近于该噪声分布的重组分量进行去除，以达到去噪的目的。该方法可以在噪声信息未知的前提下仅通过数据本身进行去噪，并且可以达到较高水平的信噪比，去噪效果稳定。