EMD——EEMD——CEEMD语音增强算法基础

本文介绍了经验模态分解(EMD)的基础,包括EMD在非线性非平稳信号处理中的优势,以及EMD的本征模态分量(IMF)的概念和分解步骤。此外,还探讨了EMD在处理间歇性信号时的模态混叠问题,并提出了EEMD(总体经验模态分解)和CEEMD(补充总体经验模态分解)作为解决方案,其中CEEMD在保持小剩余噪声的同时能节省计算时间。
摘要由CSDN通过智能技术生成

首先,HHT中用到的EMD详细介绍:https://wenku.baidu.com/view/3bba7029b4daa58da0114a9a.html

 

本文具体参考

为什么要用EMD?

对于信号的处理,可以是在频域,时域,或者时频域,其中信号在时频处理的方法有小波变换和EMD,但是小波变换是基于指定小波基的分析,一旦指定小波基,就是的分解出来的模式固定,而对于不同信号的分析最好采用不同的小波基以达到最好的处理效果;对应的EMD的方法正好可以解决这个问题,EMD相当于是一种自适应正交基的时频信号处理方法。也就是说对于一段未知的非线性非平稳信号的处理,不需要预先的分析与研究,就可以直接开始分解,这个方法会自动按照一些固定模式按层次分好,不需要人为干预与设置。

要理解EMD方法,就需要理解分析本征模态分量IMF

IMF指的是原始信号被EMD分解后得到的各层信号分量,我们通常认为任何信号都可以分解成若干个IMF的分量之和,IMF有两个约束条件</

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值