【技术实现步骤摘要】
本专利技术涉及信号分析与处理
，具体涉及。
技术介绍
工程实践中要处理的数据或信号多是非线性、非平稳的，如地震振动数据、电网波动数据、股票波动数据、建筑结构损伤监测数据和设备故障特征监测数据等。目前多采用集合经验模态分解EEMD的方法对非线性非平稳信号进行处理，在使用常规的EEMD方法对非线性非平稳信号进行处理时添加的噪声振幅和集合数尚不确定，添加的噪声振幅的幅度越小，原始信号分解后的结果越精确，但是如果添加的噪声振幅的幅度太小，噪声不足以激活原始信号，从而不能很好的解决模态混淆问题；反之，如果添加的噪声振幅a的幅度太大，根据 为保证分解误差e满足精度要求，集合数P必须选取的较大，然而随着集合数的增加，计算量呈线性增加。目前使用常规的EEMD方法对非线性非平稳信号进行处理时无法同时实现分解精度高且计算量小。
技术实现思路
为了解决使用常规的EEMD方法对非线性非平稳信号进行处理时无法同时实现分解精度高且计算量小的问题，本专利技术提供。 本专利技术的，具体为 步骤一设置用于集合经验模态分解的初始值、分解误差预设差值和分解误差最大...
【技术保护点】
一种具有激励噪声添加参数选取功能的集合经验模态分解方法，其特征在于所述分解方法为：步骤一：设置用于集合经验模态分解的初始值、分解误差预设差值和分解误差最大差值，所述初始值包括集合数初始值Ｐ↓［０］和噪声振幅初始值ａ↓［０］，并利用所述初始值计算集合数初始值Ｐ↓［０］下的分解误差初始值Ｅ↓［０，０］；步骤二：向待分解信号加入噪声振幅为ａ↓［ｕ］的白噪声，对待分解信号进行集合数Ｐ↓［ｖ］下的集合经验模态分解，得到内固模态函数矩阵，并依据内固模态函数矩阵求得前一次分解误差ｅ↓［ｕ，ｖ］和本次分解误差ｅ↓［ｕ＋１，ｖ］，ｖ表示第ｖ个集合数，ｕ表示在集合数Ｐ↓［ｖ］下的第ｕ次迭代；步...
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。