搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于噪声辅助非均匀采样复数据经验模态分解的混沌信号降噪

王小飞 曲建岭 高峰 周玉平 张翔宇

基于噪声辅助非均匀采样复数据经验模态分解的混沌信号降噪

王小飞, 曲建岭, 高峰, 周玉平, 张翔宇
PDF
导出引用
  • 鉴于非均匀采样复数据经验模态分解(NSBEMD)相对传统分解方法的优势和噪声的NSBEMD特性,提出了一种基于噪声辅助NSBEMD的混沌信号自适应降噪方法. 该方法首先以含噪混沌信号和高斯白噪声分别为实、虚部来构造复数据并进行NSBEMD,然后根据虚部各IMF的能量来估算实部各IMF中包含的噪声能量,最后根据噪声能量的估计值对实部IMF进行奇异值分解(SVD)降噪. 噪声估计实验验证了噪声能量估计方法的可行性,而Lorenz信号和太阳黑子月平均数的降噪实验则表明,相对于现有EMD降噪方法,本文方法能够进一步消除噪声,更清晰地恢复出混沌吸引子的拓扑结构.
    • 基金项目: 国家自然科学基金(批准号:61372027)资助的课题.
    [1]

    Zhang Y 2013 Chin. Phys. B 22 050502

    [2]
    [3]

    Wang W B, Zhang X D, Wang X L 2013 Acta Phys. Sin. 62 020501 (in Chinese)[王文波, 张晓东, 汪祥莉 2013 物理学报 62 020501]

    [4]

    Qu J L, Wang X F, Qiao Y C, Gao F, Di Y Z 2014 Chin. Phys. Lett. 31 020503

    [5]
    [6]

    Schreiber T 1993 Phys. Rev. E 47 2401

    [7]
    [8]
    [9]

    Dedieu H, Kisel A 1999 Int. J. Circuit Theory Appl. 27 577

    [10]

    Deng K, Zhang L, Luo M K 2011 Chin. Phys. Lett. 28 020502

    [11]
    [12]
    [13]

    Xu L Q, Hu L Q, Li E Z 2012 Chin. Phys. B 21 055208

    [14]
    [15]

    Xie Z B, Feng J C 2009 Chin. Phys. Lett. 26 030501

    [16]
    [17]

    Fu M J, Zhuang J J, Hou F Z, Zhan Q B, Shao Y 2010 Chin. Phys. B 19 058701

    [18]
    [19]

    Tang J 2014 Acta Phys. Sin. 63 049701 (in Chinese)[唐洁 2014 物理学报 63 049701]

    [20]

    Boudraa A, Cexus J 2007 IEEE Trans. Instrum. Measur. 56 2196

    [21]
    [22]
    [23]

    Khan J, Bhuiyan S, Murphy G, Alam M 2011 Opt. Pattern Recognit. 8055 805504

    [24]

    Chacko A, Ari S 2012 IEEE ICAESM Nagapattinam, Tamil Nadu, March, 30-31, 2012 p6

    [25]
    [26]
    [27]

    Olufemi A, Vladimir A, Auroop R 2011 IEEE Sensors J. 11 2565

    [28]
    [29]

    Kopsinis Y, McLaughlin S 2009 IEEE Trans. Signal Process. 57 1351

    [30]
    [31]

    Wang W B, Zhang X D, Wang X L 2013 Acta Phys. Sin. 62 069701 (in Chinese)[王文波, 张晓东, 汪祥莉 2013 物理学报 62 069701]

    [32]
    [33]

    Wang W B, Wang X L 2013 Acta Phys. Sin. 62 209701 (in Chinese)[王文波, 汪祥莉 2013 物理学报 62 209701]

    [34]
    [35]

    Hassan M, Boudaoud S, Terrien J, Karlsson B, Marque C 2011 IEEE Trans. Biomed. Eng. 58 2441

    [36]
    [37]

    Sweeney K T, McLoone S F 2013 IEEE Trans. Biomed. Eng. 60 97

    [38]
    [39]

    Tanaka T, Mandic D P 2006 IEEE Signal Process Lett. 14 101

    [40]

    Altaf M U B, Gautama T, Tanaka T 2007 IEEE ICASSP 3 1009

    [41]
    [42]
    [43]

    Rilling G, Flandrin P, Gonalves P 2007 IEEE Signal Process Lett. 14 936

    [44]

    Ahrabian A, Rehman N U, Mandic E 2013 IEEE Signal Process Lett. 20 245

    [45]
    [46]
    [47]

    Wu Z H, Huang N E 2009 Advances in Adaptive Data Analysis 1 1

    [48]

    Qu J L, Wang X F, Gao F, Zhou Y P, Zhang X F 2014 Acta Phys. Sin. 63 110201 (in Chinese)[曲建岭, 王小飞, 高峰, 周玉平, 张翔宇 2014 物理学报 63 110201]

    [49]
    [50]

    Wu Z, Huang N E 2004 Proc. R. Soc. London, Ser. A 460 1597

    [51]
    [52]
    [53]

    Flandrin P 2004 Int. J. Wavelets Multiresolution Inf. Process. 2 1

    [54]
    [55]

    Perrin E, Harba R, Jennane R 2002 IEEE Signal Process Lett. 9 382

  • [1]

    Zhang Y 2013 Chin. Phys. B 22 050502

    [2]
    [3]

    Wang W B, Zhang X D, Wang X L 2013 Acta Phys. Sin. 62 020501 (in Chinese)[王文波, 张晓东, 汪祥莉 2013 物理学报 62 020501]

    [4]

    Qu J L, Wang X F, Qiao Y C, Gao F, Di Y Z 2014 Chin. Phys. Lett. 31 020503

    [5]
    [6]

    Schreiber T 1993 Phys. Rev. E 47 2401

    [7]
    [8]
    [9]

    Dedieu H, Kisel A 1999 Int. J. Circuit Theory Appl. 27 577

    [10]

    Deng K, Zhang L, Luo M K 2011 Chin. Phys. Lett. 28 020502

    [11]
    [12]
    [13]

    Xu L Q, Hu L Q, Li E Z 2012 Chin. Phys. B 21 055208

    [14]
    [15]

    Xie Z B, Feng J C 2009 Chin. Phys. Lett. 26 030501

    [16]
    [17]

    Fu M J, Zhuang J J, Hou F Z, Zhan Q B, Shao Y 2010 Chin. Phys. B 19 058701

    [18]
    [19]

    Tang J 2014 Acta Phys. Sin. 63 049701 (in Chinese)[唐洁 2014 物理学报 63 049701]

    [20]

    Boudraa A, Cexus J 2007 IEEE Trans. Instrum. Measur. 56 2196

    [21]
    [22]
    [23]

    Khan J, Bhuiyan S, Murphy G, Alam M 2011 Opt. Pattern Recognit. 8055 805504

    [24]

    Chacko A, Ari S 2012 IEEE ICAESM Nagapattinam, Tamil Nadu, March, 30-31, 2012 p6

    [25]
    [26]
    [27]

    Olufemi A, Vladimir A, Auroop R 2011 IEEE Sensors J. 11 2565

    [28]
    [29]

    Kopsinis Y, McLaughlin S 2009 IEEE Trans. Signal Process. 57 1351

    [30]
    [31]

    Wang W B, Zhang X D, Wang X L 2013 Acta Phys. Sin. 62 069701 (in Chinese)[王文波, 张晓东, 汪祥莉 2013 物理学报 62 069701]

    [32]
    [33]

    Wang W B, Wang X L 2013 Acta Phys. Sin. 62 209701 (in Chinese)[王文波, 汪祥莉 2013 物理学报 62 209701]

    [34]
    [35]

    Hassan M, Boudaoud S, Terrien J, Karlsson B, Marque C 2011 IEEE Trans. Biomed. Eng. 58 2441

    [36]
    [37]

    Sweeney K T, McLoone S F 2013 IEEE Trans. Biomed. Eng. 60 97

    [38]
    [39]

    Tanaka T, Mandic D P 2006 IEEE Signal Process Lett. 14 101

    [40]

    Altaf M U B, Gautama T, Tanaka T 2007 IEEE ICASSP 3 1009

    [41]
    [42]
    [43]

    Rilling G, Flandrin P, Gonalves P 2007 IEEE Signal Process Lett. 14 936

    [44]

    Ahrabian A, Rehman N U, Mandic E 2013 IEEE Signal Process Lett. 20 245

    [45]
    [46]
    [47]

    Wu Z H, Huang N E 2009 Advances in Adaptive Data Analysis 1 1

    [48]

    Qu J L, Wang X F, Gao F, Zhou Y P, Zhang X F 2014 Acta Phys. Sin. 63 110201 (in Chinese)[曲建岭, 王小飞, 高峰, 周玉平, 张翔宇 2014 物理学报 63 110201]

    [49]
    [50]

    Wu Z, Huang N E 2004 Proc. R. Soc. London, Ser. A 460 1597

    [51]
    [52]
    [53]

    Flandrin P 2004 Int. J. Wavelets Multiresolution Inf. Process. 2 1

    [54]
    [55]

    Perrin E, Harba R, Jennane R 2002 IEEE Signal Process Lett. 9 382

  • [1] 曲建岭, 王小飞, 高峰, 周玉平, 张翔宇. 基于复数据经验模态分解的噪声辅助信号分解方法. 物理学报, 2014, 63(11): 110201. doi: 10.7498/aps.63.110201
    [2] 王文波, 汪祥莉. 噪声模态单元预判的经验模态分解脉冲星信号消噪. 物理学报, 2013, 62(20): 209701. doi: 10.7498/aps.62.209701
    [3] 吴亚锋, 裘焱, 杨永锋, 任兴民. 随机噪声对经验模态分解非线性信号的影响. 物理学报, 2010, 59(6): 3778-3784. doi: 10.7498/aps.59.3778
    [4] 曾彭, 刘红星, 宁新宝, 庄建军, 张兴敢. 总体经验模态分解能量向量用于ECG能量分布的研究. 物理学报, 2015, 64(7): 078701. doi: 10.7498/aps.64.078701
    [5] 陈小余. 单模费米热噪声信道量子容量的估计. 物理学报, 2001, 50(7): 1217-1220. doi: 10.7498/aps.50.1217
    [6] 李扬, 郭树旭. 基于稀疏分解的大功率半导体激光器1/f噪声参数估计的新方法. 物理学报, 2012, 61(3): 034208. doi: 10.7498/aps.61.034208
    [7] 姚天亮, 刘海峰, 许建良, 李伟锋. 基于最大Lyapunov指数不变性的混沌时间序列噪声水平估计. 物理学报, 2012, 61(6): 060503. doi: 10.7498/aps.61.060503
    [8] 张歆, 张小蓟, 邢晓飞, 姜丽伟. 单载波频域均衡中的水声信道频域响应与噪声估计. 物理学报, 2014, 63(19): 194304. doi: 10.7498/aps.63.194304
    [9] 林旭, 罗志才. 一种新的卫星钟差Kalman滤波噪声协方差估计方法. 物理学报, 2015, 64(8): 080201. doi: 10.7498/aps.64.080201
    [10] 杨棣, 王元美, 李军刚. 贝叶斯频率估计中频率的先验分布对有色噪声作用的影响. 物理学报, 2018, 67(6): 060301. doi: 10.7498/aps.67.20171911
    [11] 何亮, 杜磊, 黄晓君, 陈华, 陈文豪, 孙鹏, 韩亮. 金属互连电迁移噪声的非高斯性模型研究. 物理学报, 2012, 61(20): 206601. doi: 10.7498/aps.61.206601
    [12] 柳燕, 包景东. 非各态历经噪声的产生及其应用. 物理学报, 2014, 63(24): 240503. doi: 10.7498/aps.63.240503
    [13] 王太勇, 冷永刚. 二次采样用于随机共振从强噪声中提取弱信号的数值研究. 物理学报, 2003, 52(10): 2432-2437. doi: 10.7498/aps.52.2432
    [14] 张振国, 郜峰利, 郭树旭, 李雪妍, 于思瑶. 一种估计半导体激光器1/f噪声参数的新方法. 物理学报, 2009, 58(4): 2772-2775. doi: 10.7498/aps.58.2772
    [15] 李赫, 郭新毅, 马力. 利用海洋环境噪声空间特性估计浅海海底分层结构及地声参数. 物理学报, 2019, 68(21): 214303. doi: 10.7498/aps.68.20190824
    [16] 王慧巧, 俞连春, 陈勇. 离子通道噪声对神经元新陈代谢能量的影响. 物理学报, 2009, 58(7): 5070-5074. doi: 10.7498/aps.58.5070
    [17] 夏军利, 黄显高, 徐健学, 何岱海, 吕泽均. 利用小波多尺度分解算法实现混沌系统的噪声减缩. 物理学报, 1999, 48(10): 1810-1817. doi: 10.7498/aps.48.1810
    [18] 张揽月, 丁丹丹, 杨德森, 时胜国, 朱中锐. 阵元随机均匀分布球面阵列联合噪声源定位方法. 物理学报, 2017, 66(1): 014303. doi: 10.7498/aps.66.014303
    [19] 王晓波, 姜 哲, 董有尔, 肖连团. 噪声对动态局域的影响. 物理学报, 2007, 56(12): 7207-7212. doi: 10.7498/aps.56.7207
    [20] 秦克诚. 斑纹噪声相乘模型的误差. 物理学报, 1983, 32(2): 267-272. doi: 10.7498/aps.32.267
  • 引用本文:
    Citation:
计量
  • 文章访问数:  927
  • PDF下载量:  537
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-04-02
  • 修回日期:  2014-04-18
  • 刊出日期:  2014-09-05

基于噪声辅助非均匀采样复数据经验模态分解的混沌信号降噪

  • 1. 海军航空工程学院青岛校区, 青岛 266041;
  • 2. 海军航空工程学院, 烟台 264001
    基金项目: 

    国家自然科学基金(批准号:61372027)资助的课题.

摘要: 鉴于非均匀采样复数据经验模态分解(NSBEMD)相对传统分解方法的优势和噪声的NSBEMD特性,提出了一种基于噪声辅助NSBEMD的混沌信号自适应降噪方法. 该方法首先以含噪混沌信号和高斯白噪声分别为实、虚部来构造复数据并进行NSBEMD,然后根据虚部各IMF的能量来估算实部各IMF中包含的噪声能量,最后根据噪声能量的估计值对实部IMF进行奇异值分解(SVD)降噪. 噪声估计实验验证了噪声能量估计方法的可行性,而Lorenz信号和太阳黑子月平均数的降噪实验则表明,相对于现有EMD降噪方法,本文方法能够进一步消除噪声,更清晰地恢复出混沌吸引子的拓扑结构.

English Abstract

参考文献 (55)

目录

    /

    返回文章
    返回