✅作者简介: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:Matlab科研工作室
🍊个人信条:格物致知。
更多Matlab仿真内容点击👇
智能优化算法 神经网络预测 雷达通信 无线传感器 电力系统
信号处理 图像处理 路径规划 元胞自动机 无人机
⛄ 内容介绍
采用时变滤波技术完成了筛选过程,通过充分促进瞬幅和频率信息,自适应地设计了局部截止频率。然后采用非均匀B样条近似作为时变滤波器。为了解决间歇性问题,引入了一种截止频率调整算法。为了提高低采样率下的性能,提出了一种固有模式函数的带宽标准。TVF-EMD是完全自适应的,适合于线性和非平稳信号的分析。与EMD相比,该方法能够提高频率分离性能和低采样率下的稳定性。此外,该方法具有抗噪声干扰的鲁棒性.
⛄ 部分代码
close all;
clear all;
clc;
warning off
% short format
fs=100; %数据采样率Hz
t=1:1/fs:4096*1/fs; %对数据进行采样
n = length(t); %数据的采样数目
f1 =0.25; %信号的频率
f2=0.005;
zhenshi_P=2*sin(2*pi*f1*t+cos(2*pi*f2*t));
zhenshi_P=zhenshi_P'; %产生原始信号,将其转置为列向量
nt=0.2*randn(n,1); %高斯白噪声生成
x=zhenshi_P+nt; %含噪信号
%% VMD分解
tau = 0; % noise-tolerance (no strict fidelity enforcement)
DC = 0; % no DC part imposed
init = 1; % initialize omegas uniformly
tol = 1e-7;
alpha=2000;% 惩罚参数
K=1;%分量个数
[x_VMD, u_hat, omega] =MVMD(x, alpha, tau, K, DC, init, tol);
figure;
subplot(311)
plot(t,zhenshi_P);
title('原始超声回波信号');
ylabel('幅度');xlabel('距离');
subplot(312)
plot(t,x);
title(['加噪超声回波信号']);
ylabel('幅度');xlabel('距离');
subplot(313)
plot(t,x_VMD);title('VMD去噪信号')%
ylabel('幅度');xlabel('距离');
⛄ 运行结果
⛄ 参考文献
Li, Heng, Zhi Li, and Wei Mo. "A time varying filter approach for empirical mode decomposition." Signal Processing 138 (2017): 146-158