基于非线性时间序列分析经验模态分解和小波分解异同性的研究

龚志强; 邹明玮; 高新全; 董文杰

doi:10.7498/aps.54.3947

搜索

期刊名称:

年:

起始页:

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

基于非线性时间序列分析经验模态分解和小波分解异同性的研究

龚志强 , 邹明玮 , 高新全 , 董文杰

引用本文:

Citation:

基于非线性时间序列分析经验模态分解和小波分解异同性的研究

龚志强, 邹明玮, 高新全, 董文杰

物理学报, 2005, 54(8): 3947-3957.

doi: 10.7498/aps.54.3947

On the difference between empirical mode decomposition and wavelet decomposition in the nonlinear time series

Gong Zhi-Qiang, Zou Ming-Wei, Gao Xin-Quan, Dong Wen-Jie

Acta Phys. Sin., 2005, 54(8): 3947-3957.

doi: 10.7498/aps.54.3947

摘要
基于经验模态分解(EMD）的希尔伯特变换（HT），是对非线性时间序列基于EMD进行分解，然后通过HT获得频谱.利用理想时间序列和青藏高原古里雅冰芯18O时间序列，系统地分析比较了EMD和小波分解(WD）以及HT和小波变换在非线性时间序列处理中的优劣，并针对它们各自的缺点提出了可能改进的设想.研究结果表明，将基于EMD的方法和基于WD 的方法有机结合起来应用，可以更有效地识别原时间序列的特征信息.

关键词:
经验模态分解 /

小波分解 /

理想时间序列 /

古里雅冰芯
Abstract
The method of empirical mode decomposition （EMD） based Hilbert transformation is that separate the nonlinear time series into intrinsic mode functions （IMFs ） with different time scale by using EMD, then apply the Hilbert transformation to every IMF to get the Hilbert spectrum.By systematically comparing the advan tages and disadvantages between EMD and wavelet decomposition （WD）, between Hi lbert transformation and wavelet transformation in transacting nonlinear time s eries using ideal time series and 18O time series of Guliya i ce co re on the Tibetan Plateau, we present some improving measures to reduce the di sadvantages. The result of investigation show that the combination of EMD-based and WD-based methods may be more effectively in recognizing the main informatio n of the time series.

Keywords:
empirical mode decomposition, wavelet decomposition, ideal time series, Guliya ie core /

/

/
作者及机构信息
龚志强²,

邹明玮³,

高新全¹,

董文杰¹

(1)国家气候中心气候研究开放实验室，北京 100081; (2)扬州大学物理科学与技术学院，扬州 225009;国家气候中心气候研究开放实验室，北京 100081; (3)扬州大学物理科学与技术学院，扬州 225009;中国科学院大气物理研究所，北京 100029

基金项目: 国家重点基础研究发展规划（批准号：2004CB418300）和国家自然科学基金（批准号：90411008，40231006）资助的课题.
Authors and contacts
Gong Zhi-Qiang²,

Zou Ming-Wei³,

Gao Xin-Quan¹,

Dong Wen-Jie¹

(1)国家气候中心气候研究开放实验室，北京 100081; (2)扬州大学物理科学与技术学院，扬州 225009;国家气候中心气候研究开放实验室，北京 100081; (3)扬州大学物理科学与技术学院，扬州 225009;中国科学院大气物理研究所，北京 100029
参考文献

施引文献

[1]	牛晓东, 卢莉蓉, 王鉴, 韩星程, 郭树言, 王黎明. 基于改进经验模态分解域内心动物理特征识别模式分量的心电信号重建. 物理学报, 2021, 70(3): 038702. doi: 10.7498/aps.70.20201122
[2]	贾雨晴, 苏林, 郭圣明, 马力. 基于简正波分解的不同阵列匹配场定位性能分析. 物理学报, 2018, 67(17): 174302. doi: 10.7498/aps.67.20180124
[3]	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
[4]	张玉燕, 周航, 闫美素. 基于经验模态分解的自混合干涉相位提取方法研究. 物理学报, 2015, 64(5): 054203. doi: 10.7498/aps.64.054203
[5]	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. 物理学报, 2014, 63(17): 170203. doi: 10.7498/aps.63.170203
[6]	唐洁. 基于集合经验模态分解的类星体光变周期及其混沌特性分析. 物理学报, 2014, 63(4): 049701. doi: 10.7498/aps.63.049701
[7]	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
[8]	薛春芳, 侯威, 赵俊虎, 王式功. 集合经验模态分解在区域降水变化多尺度分析及气候变化响应研究中的应用. 物理学报, 2013, 62(10): 109203. doi: 10.7498/aps.62.109203
[9]	唐洁. 基于聚合经验模态分解方法的OJ 287 射电流量变化周期分析. 物理学报, 2013, 62(12): 129701. doi: 10.7498/aps.62.129701
[10]	王文波, 张晓东, 汪祥莉. 基于独立成分分析和经验模态分解的混沌信号降噪. 物理学报, 2013, 62(5): 050201. doi: 10.7498/aps.62.050201
[11]	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
[12]	王文波, 张晓东, 汪祥莉. 脉冲星信号的经验模态分解模态单元比例萎缩消噪算法. 物理学报, 2013, 62(6): 069701. doi: 10.7498/aps.62.069701
[13]	宋彤, 李菡. 基于小波回声状态网络的混沌时间序列预测. 物理学报, 2012, 61(8): 080506. doi: 10.7498/aps.61.080506
[14]	张弦, 王宏力. 基于Cholesky分解的增量式RELM及其在时间序列预测中的应用. 物理学报, 2011, 60(11): 110201. doi: 10.7498/aps.60.110201
[15]	裴利军, 邱本花. 模态分解法在非恒同耦合系统同步研究中的推广. 物理学报, 2010, 59(1): 164-170. doi: 10.7498/aps.59.164
[16]	杨永锋, 吴亚锋, 任兴民, 裘焱. 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
[17]	侯王宾, 刘天琪, 李兴源. 基于经验模态分解滤波的低频振荡Prony分析. 物理学报, 2010, 59(5): 3531-3537. doi: 10.7498/aps.59.3531
[18]	侯威, 封国林, 董文杰, 李建平. 利用排列熵检测近40年华北地区气温突变的研究. 物理学报, 2006, 55(5): 2663-2668. doi: 10.7498/aps.55.2663
[19]	雷明, 韩崇昭, 郭文艳, 文小琴. 非线性时间序列的小波分频预测. 物理学报, 2005, 54(5): 1988-1993. doi: 10.7498/aps.54.1988
[20]	李鸿光, 孟光. 基于经验模式分解的混沌干扰下谐波信号的提取方法. 物理学报, 2004, 53(7): 2069-2073. doi: 10.7498/aps.53.2069

计量

文章访问数: 9232
PDF下载量: 2554
被引次数: 0

物理学报. 2005, 54(8): 3947-3957.

doi: 10.7498/aps.54.3947.

基于非线性时间序列分析经验模态分解和小波分解异同性的研究

1. (1)国家气候中心气候研究开放实验室，北京 100081; (2)扬州大学物理科学与技术学院，扬州 225009;国家气候中心气候研究开放实验室，北京 100081; (3)扬州大学物理科学与技术学院，扬州 225009;中国科学院大气物理研究所，北京 100029

基金项目: 国家重点基础研究发展规划（批准号：2004CB418300）和国家自然科学基金（批准号：90411008，40231006）资助的课题.

收稿日期: 2004-12-03
修回日期: 2005-02-21
刊出日期: 2005-04-05

摘要: 基于经验模态分解(EMD）的希尔伯特变换（HT），是对非线性时间序列基于EMD进行分解，然后通过HT获得频谱.利用理想时间序列和青藏高原古里雅冰芯18O时间序列，系统地分析比较了EMD和小波分解(WD）以及HT和小波变换在非线性时间序列处理中的优劣，并针对它们各自的缺点提出了可能改进的设想.研究结果表明，将基于EMD的方法和基于WD 的方法有机结合起来应用，可以更有效地识别原时间序列的特征信息.

关键词:

English Abstract

全文HTML

下载: 全尺寸图片幻灯片

返回文章

搜索

留言板

基于非线性时间序列分析经验模态分解和小波分解异同性的研究

On the difference between empirical mode decomposition and wavelet decomposition in the nonlinear time series

摘要

Abstract

作者及机构信息

(1)国家气候中心气候研究开放实验室，北京 100081; (2)扬州大学物理科学与技术学院，扬州 225009;国家气候中心气候研究开放实验室，北京 100081; (3)扬州大学物理科学与技术学院，扬州 225009;中国科学院大气物理研究所，北京 100029

Authors and contacts

(1)国家气候中心气候研究开放实验室，北京 100081; (2)扬州大学物理科学与技术学院，扬州 225009;国家气候中心气候研究开放实验室，北京 100081; (3)扬州大学物理科学与技术学院，扬州 225009;中国科学院大气物理研究所，北京 100029

参考文献

施引文献

目录

计量

基于非线性时间序列分析经验模态分解和小波分解异同性的研究

English Abstract

On the difference between empirical mode decomposition and wavelet decomposition in the nonlinear time series

全文HTML

目录

作者中心

审稿中心

关于期刊

关于我们

搜索

留言板

基于非线性时间序列分析经验模态分解和小波分解异同性的研究

On the difference between empirical mode decomposition and wavelet decomposition in the nonlinear time series

摘要

Abstract

作者及机构信息

(1)国家气候中心气候研究开放实验室，北京 100081; (2)扬州大学物理科学与技术学院，扬州 225009;国家气候中心气候研究开放实验室，北京 100081; (3)扬州大学物理科学与技术学院，扬州 225009;中国科学院大气物理研究所，北京 100029

Authors and contacts

(1)国家气候中心气候研究开放实验室，北京 100081; (2)扬州大学物理科学与技术学院，扬州 225009;国家气候中心气候研究开放实验室，北京 100081; (3)扬州大学物理科学与技术学院，扬州 225009;中国科学院大气物理研究所，北京 100029

参考文献

施引文献

目录

计量

出版历程

基于非线性时间序列分析经验模态分解和小波分解异同性的研究

English Abstract

On the difference between empirical mode decomposition and wavelet decomposition in the nonlinear time series

全文HTML

目录

作者中心

审稿中心

关于期刊

关于我们