VMD+皮尔逊+降噪+重构（自适应阈值筛选分量）

 VMD+皮尔逊+降噪+重构

VMD+皮尔逊+降噪+重构代码获取戳此处代码获取戳此处代码获取戳此处代码获取戳此处

1. VMD（变分模态分解）：

• 概念：VMD是一种新的时频分析方法，能够将多分量信号一次性分解成多个单分量调幅调频信号，避免了迭代过程中遇到的端点效应和虚假分量问题。
• 原理：VMD的分解过程即变分问题的求解过程。在该算法中，本征模态函数（IMF）被定义为一个有带宽限制的调幅-调频函数。VMD算法的功能便是通过构造并求解约束变分问题，将原始信号分解为指定个数的IMF分量。这种方法能有效处理非线性、非平稳信号，但也存在对噪声敏感的特性，当存在噪声时，可能会使分解出现模态混叠现象。

1. 皮尔逊相关系数：

• 定义：皮尔逊相关系数是通过计算两个变量之间的协方差来衡量它们之间的关联程度。
• 公式：r = cov(X, Y) / (σX * σY)，其中r表示皮尔逊相关系数，cov(X, Y)表示变量X和Y的协方差，σX和σY分别表示变量X和Y的标准差。
• 取值范围：皮尔逊相关系数的取值范围在-1到1之间。当相关系数为1时，表示两个变量完全正相关；当相关系数为-1时，表示两个变量完全负相关；当相关系数为0时，表示两个变量没有线性关系。
• 应用：皮尔逊相关系数常用于判断变量之间的线性关系。相关系数越接近1或-1，说明两个变量之间的线性关系越强；相关系数越接近0，说明两个变量之间的线性关系越弱。

1. 降噪：

• 分类：降噪主要包括两种，一种是被动降噪，另一种是主动降噪。

1. 重构：

• 定义：在信号处理中，重构是指根据处理后的信号成分重新合成原始信号或降噪后的信号。

以含白噪声信号为例
Matlab程序
1.对信号进行VMD分解

2.通过皮尔逊进行相关性计算

3.通过设定阈值将噪声分量和非噪声分量分别提取出
4.对非噪声信号进行重构达到降噪效果

包含评价指标：
 % SNR：信噪比
% MSE：均方误差
% NCC：波形相似系数

包含评价指标：

 % SNR：信噪比

% MSE：均方误差

% NCC：波形相似系数