【数字信号去噪】麻雀算法优化VMD信号去噪(目标函数为包络熵局部极小值)【含Matlab源码 2111期】

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）

⛄一、鲸鱼算法优化VMD信号去噪简介

1 VMD算法
VMD(variational mode decomposition)是一种将信号非递归分解成数个具有准正交性的带限本征模态函数的算法，其基本原理可以表示为一个约束变分问题的求解，构造的约束变分问题表示为

式中：uK为VMD分解后的第K个IMF分量；ωK为第K个IMF分量的瞬时频率；δ(t)为狄拉克函数；∗为卷积符号；

引入二次惩罚因子α和拉格朗日乘子λ使变分问题不受约束，构造的增广拉格朗日函数如下：

采用乘子交替方向算法交替更新得到K个IMF及其对应的中心频率。

从式(2)可以看出：K和α影响着VMD的分解性能。若设置的K较小，则信号的多个分量可能同时包含在1个模态中；若K较大，则会导致1个分量包含在多个模态中，迭代得到的中心频率也会重叠。对α而言，若α很大，则带宽限制就会很窄，从而导致有用的频率成分被消除；反之，冗余频率成分将会被保留下来。因此，本文提出鲸鱼优化算法来优化确定最佳参数组合(K，α)。

2 麻雀搜索算法
SSA算法是Xue等于2020年提出的一种新的优化算法，可以概括为寻找-跟随-预警的抽象模型，它模拟了麻雀的觅食过程以获取待优化问题的解。

设M是麻雀觅食的优化搜索空间集，存在N只麻雀个体，第x只麻雀处在M集的位置表示为Sx=[sx1,⋯,sxd,sx M],x=1,2,3,⋯,N,sxd表示麻雀x在M集中居d维的位置，寻找者位置更新表达式为：

其中：t为当前迭代数；K为最大迭代数；β是属于区间(0,1]的均匀随机数；P是服从N(0,1)分布的随机数；J为1×d的单位矩阵；R2∈[0,1]为预警值，KZ∈[0.5,1]为安全值。而跟随者位置更新可表达为：

式中：swdt为麻雀群进行t次迭代时处在d维最差的位置；反之scdt+1为t+1次迭代时最好的位置；当x>n/2，表示适应度较低，需扩大搜索范围；当x≤n/2时，表示适应度较高，可在sc位置周围随机觅食。预警麻雀位置迭代为：

式中：δ为服从N (0,1)的随机数；V为[-1,1]的随机数，表示麻雀移动的方向，同时控制步长；e是避免分母为零而设的极小值；hx为处于位置x时麻雀的适应度值，hw为当前麻雀的最差适应度值，hg则为最优值。通常，预警麻雀个数占总种群的15%，为兼顾优化准确性和计算效率，本文设置种群数和最大迭代数[N,M]=[30,20]。

在对VMD的k、α进行优化时，需考虑SSA算法中一关键点，即适应度函数值的构建。本文选取包络熵为麻雀优化算法的适应度函数值，包络熵可以很好评价信号的稀疏性，反映所研究信号分解情况的概率分布特性。

⛄二、部分源代码

clc
clear
close all
addpath(‘toolf’)
warning off

% 读取数据
[file,path,indx] = uigetfile({‘.xlsx’;'.xls’;‘.txt’;'.*’},‘File Selector’);
if indx == 1||indx==2
data=xlsread(strcat(path, file));
elseif indx == 3
data=load(strcat(path, file));
else
warning(‘请选择数据集进行实验’);
return;
end

%采样频率
fs=12800;
% 读取前1000长度的信号
len=1000;
s=data(1:len);
% 采样时间
t = (0:len-1)/fs;

%% 设定麻雀搜索算法参数
popsize =6; % 种群大小
iter = 30; % 最大迭代次数
dim = 2; % 变量个数
lb = [100 3]; % alpha范围 K范围 下限
ub = [2000 7]; % 上限

%% 麻雀搜索算法SSA优化VMD参数

tic , % 开始计时

SSA_VMD(popsize,iter,dim,lb,ub,0); % 0表示不保存IMF，1，导出IMF并保存

toc, % 结束计时

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]褚惟,王贵勇,刘韬,王振亚.麻雀算法参数优化VMD联合K-SVD滚动轴承故障诊断[J].噪声与振动控制. 2022,42(04)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合