局域均值分解算法研究及其應用.pdf

1、從大量無規(guī)律的復雜信號中分析其特征，并提取有價值的信息，是現(xiàn)代科學研究中的重要問題，也是國內(nèi)外學者的研究熱點。傳統(tǒng)的特征提取算法如傅里葉變換、功率譜分析法、小波變換法等對于復雜的非線性、非平穩(wěn)信號的處理效果都不理想。經(jīng)驗模式分解算法是一種新的時頻分析方法，在腦電研究、機械故障診斷等的應用中都取得了不錯的效果。但由于算法本身的局限性，在應用的過程中仍然帶來了諸如端點效應、負頻率等問題。
　　 局域均值分解算法是在經(jīng)驗模式分解算法的

2、基礎上提出來的，保留了其優(yōu)點并克服了其不足，尤其適合分析具有調幅調頻特性的信號。本文在局域均值分解算法的基礎上，對算法中存在的幾個尚未解決的問題進行了詳細論述，包括：針對純調頻信號的判別條件中涉及到的參數(shù)△的取值問題，提取了幾點參考；關于局域均值和包絡估計值的求取中產(chǎn)生的端點效應，提出了一種簡單而有效的改善方法；對三次樣條插值和移動平均法兩種信號平滑方法進行了對比分析，指出了各自的優(yōu)缺點和適用范圍。最后，結合能量特征和支持向量機理論，將

3、局域均值分解算法應用到了腦電信號和地震前驅波的分析與處理中。首先對腦電信號和地震信號進行預處理和局域均值分解，確定腦電信號前三個PF分量、地震信號前五個PF分量中包含了信號主要的特征信息；再對支持向量機核函數(shù)的參數(shù)進行優(yōu)化之后，提取有效PF分量的能量值作為支持向量機的輸入向量，支持向量機的輸出就是不同類別信號的分類結果。
　　 研究表明，本文提出的算法可將想象左右手運動BCI實驗的分類準確率提高到92.25％，在地震預報中的準確