振动与冲击

作者：位秀雷， 林瑞霖，刘树勇，杨庆超

单位：海军工程大学 动力工程学院，湖北 武汉，430033

关键词：总体平均经验模态分解；混沌信号；奇异值分解；降噪；S-G滤波

在总体平均经验模态分解(Ensemble empirical mode decomposition，EEMD)降噪过程中，对本征模态分量（Intrinsic Mode Function，IMF）的有效处理一直是影响降噪效果的关键。为此，提出一种基于改进EEMD的去噪方法。首先基于&ldquo;3&sigma;&rdquo;法则和奇异值分解(Singular value decomposition，SVD)提取第一个IMF分量中有用信号细节。然后，利用连续均方误差准则对剩余IMF分量进行高低频区分，分别使用SVD和S-G算法提取高低频分量的有用信号，可以有效避免了高频部分有用信号的流失，同时剔除低频分量中的部分噪声，克服了EEMD去噪时IMFs难以有效处理的不足。为了验证本文方法的有效性，进行了数字仿真与双势阱混沌振动试验，结果表明，本文方法的降噪效果优于小波加权和EEMD去噪方法。<br>

来源：2017年第17期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2017年第17期