【经验模态分解】时变滤波的经验模态分解TVF-EMD【含Matlab源码 3741期】

💥💥💥💥💥💥💥💥💞💞💞💞💞💞💞💞💞Matlab领域博客之家💞💞💞💞💞💞💞💞💞💥💥💥💥💥💥💥💥
🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀

🔊博主简介：985研究生，Matlab领域科研开发者；
🏫个人主页：Matlab领域
🏆代码获取方式：
CSDN Matlab领域—代码获取方式

🚅座右铭：路漫漫其修远兮，吾将上下而求索。
更多Matlab信号处理仿真内容点击👇
①Matlab信号处理（高阶版）
②付费专栏Matlab信号处理（进阶版）
③付费专栏Matlab信号处理（初级版）

⛳️关注CSDN Matlab领域，更多资源等你来！！

⛄一、时变滤波的经验模态分解TVF-EMD简介

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.

⛄二、部分源代码

%---------- multi-component signal decomposition using EMD and TVF-EMD
clc;
clear;
% close all;
Fs = 1000; %sampling rate
freq1 = 50; %frequency
w1=2pifreq1; %rad frequency
t = 0:1/Fs:4; %time span

%---------- multicomponent signal
sig1=1cos(1w1t); % linear signal
sig2=1cos(0.7w1t);
sig3=1cos(0.3w1*t);

FM=1cos((0.2+0.04t).*w1.t);% chirp signal
FM2=cos((0.04+0.04t).*w1.*t);

x1=1sig1+ 1sig2+1sig3+0.2randn(size(sig1)); % noisy linear signal
x2=1FM+1FM2+0.1*randn(size(sig1)); % noisy non-stationary signal

imf1=tvf_emd(x1);% decompose linear signal using TVF-EMD
XX=imf1
imf2=tvf_emd(x2); % decompose chirp signal using TVF-EMD
figure
subplot(311)
plot(1sig1+ 1sig2+1sig3);xlabel(‘t’);title(‘原始信号’)
subplot(312)
plot(x1);xlabel(‘t’);title(‘线性噪声信号’)
subplot(313)
plot(imf1(1,:));xlabel(‘t’);title(‘基于时变滤波的经验模态分解TVF-EMD信号’)
figure
subplot(311)
plot(1sig1+ 1sig2+1sig3);xlabel(‘t’);title(‘原始信号’)
subplot(312)
plot(x2);xlabel(‘t’);title(‘非线性噪声信号’)
subplot(313)
plot(imf2(1,:));xlabel(‘t’);title(‘基于时变滤波的经验模态分解TVF-EMD信号’)

⛄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] 刘嘉敏,彭玲,刘军委,袁佳成.遗传算法VMD参数优化与小波阈值轴承振动信号去噪分析[J].机械科学与技术. 2017,36(11)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除