信号降噪的方法有很多,有EMD、EEMD、SVD、VMD、 小波分解、 MRSVD等,然而EMD有不可忽视的端点效应和模态混叠现象; EEMD减弱了模态混叠现象的影响,但该方法运算量大且模态分量不受控制,容易引起函数不收敛,影响算法精确度;VMD是通过寻找约束变分模型的最优解实现复杂信号分解,其本质是自适应维纳滤波,但是变分模态分解的K值选取会影响到分解结果,MRSVD方法在一定程度上避免了EMD、EEMD等缺陷,同时也具有更好的自适应性和鲁棒性的优势。
选取EMD、EEMD、VMD、SVD、小波分解与MRSVD进行对比分析,其中EMD、EEMD、VMD是在选取最优参数的情况下,将信号分解成多阶模态函数,将模态混叠严重的分量舍弃掉重构而成的;小波分解是选取db3小波作为基波分解重构得到的波形;SVD是选取有效秩的阶数为信号中心频率个数的二倍来重构信号。下图分别是几种模型在1db下对两个实验信号的降噪结果。
可以看到EMD、EEMD、VMD、SVD和小波分解的波形在不同信号下与原始信号的偏差度有所差异,这几种降噪模型各有优劣势,但只有MRSVD的两个信号降噪波形原始信号的吻合度最高且对噪声信号的模态混叠现象有较好的抑制,基本上能反映出原始信号的中心频率的个数。
————————————————
版权声明:本文为CSDN博主「铭记✔」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_43187561/article/details/131381712