换一批摘要经验模式分解（ Empirical Mode Decomposition ， EMD）是近年来出现的一种自适应的信号分解算法，该方法受到了广泛的关注，被成功应用于许多领域。然而，当信号包含噪声时，它存在过度分解的弊端，容易受噪声的干扰，因而严重地限制了该方法的推广。为了解决这一问题，提出了一种改进的EMD方法：在首轮分解时，采用光滑样条拟合来代替原来的三次样条插值，可避免对噪声成分过度分解，从而极大地减少了噪声成分的干扰。仿真实验证实了新方法有显著的改进效果；两个实际气候数据序列分解的例子进一步说明了新方法的有效性和优越性。
更多相关知识
关键词
经验模式分解噪声本征模函数光滑样条广义交叉验证empirical mode decompositionnoiseintrinsic mode functionsmoothing splinegeneral-ized cross validation
分类号
TP391
栏目名称
发布时间
2014-08-23（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览1
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
