帮助 关于我们

返回检索结果

基于主成分分析的经验模态分解消噪方法
Empirical Mode Decomposition De-noising Method Based on Principal Component Analysis

查看参考文献18篇

王文波 1   张晓东 2   汪祥莉 3  
文摘 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.
其他语种文摘 In order to solve the problem of nonlinear and nonstationary signal de-noising,a novel de-noising method is proposed by combining the principal component analysis(PCA) and empirical mode decomposition(EMD).The method removes noise of intrinsic mode functions(IMFs) using PCA,after the noisy signal is decomposed by EMD.Firstly,the signal details of the first IMF are extracted by using 3σ criterion,and the noise energy of each level IMF is estimated.Secondly,the PCA is implemented on each IMF,and the part of principle components are selected to reconstruct the IMF according to noise energy of IMFs,then the noise of IMF is removed efficiently.Numerical simulation and real data test were carried out to evaluate the performance of the proposed method.The experimental results showed that the proposed method outperformed the Bayesian wavelet threshold de-noisingalgorithm and mode cell EMD de-noising algorithm.So it is an effective signal de-noising method.
来源 电子学报 ,2013,41(7):1425-1430 【核心库】
DOI 10.3969/j.issn.0372-2112.2013.07.028
关键词 经验模态分解 ; 信号消噪 ; 主成分分析 ; 噪声能量
地址

1. 武汉科技大学信息与计算科学系, 遥感科学国家重点实验室, 湖北, 武汉, 430065  

2. 武汉大学, 测绘遥感信息工程国家重点实验室, 湖北, 武汉, 430072  

3. 武汉理工大学计算机科学与技术学院, 湖北, 武汉, 430063

语种 中文
文献类型 研究性论文
ISSN 0372-2112
学科 电子技术、通信技术
基金 国家自然科学基金 ;  武汉大学测绘遥感信息工程国家重点实验室基金 ;  中国科学院遥感应用研究所遥感信息科学国家重点实验室项目 ;  中央高校基本科研业务费专项资金 ;  湖北省武汉市青年科技晨光计划项目
文献收藏号 CSCD:4922400

参考文献 共 18 共1页

1.  Donoho D L. De-noising by soft-thresholding. IEEE Transaction on Information Theory,1995,41(3):613-627 CSCD被引 1771 次    
2.  Pizurica A. Estimating the probability of the presence of a signal of interest in multiresolution single and multiband image denoising. IEEE Transaction on Image Processing,2006,15(3):654-665 CSCD被引 28 次    
3.  Portilla J. Image denoising using scale mixtures of gaussians in the wavelet domain. IEEE Transaction on Image Processing,2003,12(11):1338-1351 CSCD被引 192 次    
4.  Zhang L. Multiscale LMMSE-based image denoising with optimal wavelet selection. IEEE Transaction on Circuits System Video Technology,2005,15(4):469-481 CSCD被引 24 次    
5.  张华. 地震信号去噪的最优小波基选取方法. 石油地球物理勘探,2011,46(1):70-75 CSCD被引 34 次    
6.  Huang N E. The empirical mode decomposition and the Hilbert spectrum for nonlinear and nonstationary time series analysis. Proceedings of the Royal Society of London, A,1998,454(1971):903-995 CSCD被引 1457 次    
7.  徐晓刚. 经验模式分解(EMD)及其应用. 电子学报,2009,37(3):581-585 CSCD被引 55 次    
8.  陈东方. 采用EMD方法消除瞬态散射回波中的高斯白噪声干扰. 电子学报,2004,32(3):496-498 CSCD被引 16 次    
9.  杨向林. 基于Hilbert-Huang变换的ECG消噪. 电子学报,2011,39(4):819-824 CSCD被引 12 次    
10.  Olufemi A. Empirical mode decomposition technique with conditional mutual information for denoising operational sensor data. IEEE Sensors Journal,2011,11(10):2565-2575 CSCD被引 22 次    
11.  赵志宏. 一种改进的EMD降噪方法. 振动与冲击,2009,28(12):35-37 CSCD被引 20 次    
12.  曲从善. 一种改进型经验模态分解及其在信号消噪中的应用. 自动化学报,2010,36(1):67-73 CSCD被引 19 次    
13.  Kopsinis Y. Development of EMD-based denoising methods inspired by wavelet thresholding. IEEE Transactions on Signal Processing,2009,57(4):1351-1362 CSCD被引 106 次    
14.  Wu Zhaohua. A study of the characteristics of white noise using the empirical mode decomposition method. Proceedings of the Royal Society of London A8,2004,460(2046):1597-1611 CSCD被引 48 次    
15.  Zhang Lei. PCA-based spatially adaptive denoising of CFA images for single-sensor digital cameras. IEEE Transaction on Image Processing,2009,18(4):797-812 CSCD被引 17 次    
16.  王宏宝. 电子测量,2005 CSCD被引 1 次    
17.  Johnstone I. Wavelet threshold estimators for data with correlated noise. Journal of the Royal Statistical Society, Series B (Methodological),1997,59(2):319-351 CSCD被引 1 次    
18.  Flandrin P. Empirical mode decomposition as a filter bank. IEEE Signal Processing Letters,2004,11(2):112-114 CSCD被引 317 次    
引证文献 24 篇

1 薛大为 主成分分析与神经网络结合的黄山毛峰茶品质检测 计算机与应用化学,2014,31(5):578-582
CSCD被引 2 次

2 张守成 EMD-IT去噪算法的阈值估计方法 计算机工程与设计,2014,35(12):4386-4389
CSCD被引 1 次

显示所有24篇文献

论文科学数据集
PlumX Metrics
相关文献

 作者相关
 关键词相关
 参考文献相关

版权所有 ©2008 中国科学院文献情报中心 制作维护：中国科学院文献情报中心
地址：北京中关村北四环西路33号 邮政编码：100190 联系电话：(010)82627496 E-mail:cscd@mail.las.ac.cn 京ICP备05002861号-4 | 京公网安备11010802043238号