导读:本文包含了经验模式分解算法论文开题报告文献综述及选题提纲参考文献，主要关键词:二维经验模式分解,无约束优化问题,皮革缺陷检测,IC焊点缺陷检测
经验模式分解算法论文文献综述
彭红霞[1]（2018）在《基于优化方法的二维经验模式分解算法研究》一文中研究指出Hilbert-Huang变换是一种全新的时频分析方法,由美籍华人Norden E.Huang于1989年提出,此方法适合处理非线性非平稳信号的分析,它包括经验模式分解和希尔伯特谱分析两部分,不仅具有较高的研究价值,其在实际应用中也显示了非常广阔的前景。经验模式分解的提出,开启了后小波时代。J Nunes等人在一维经验模式分解的理论基础上,提出了二维数据的EMD即二维经验模式分解,能够处理自然界存在最多的非平稳的灰度图像。但二维经验模式分解与一维经验模式类似,由于其数学理论不完整,还存在很多问题,包括模态混迭、端点(边沿)效应、过分解和欠分解、计算时间过长等问题。本文回顾了经验模式分解与二维经验模式分解原理与算法流程,阐述了其中的共同点和差异。其中对二维经验模式分解进行详细阐述,包括二维数据情况下极值点的获取、通过极值点如何获取上下包络面,筛分终止条件等内容。并分析二维经验模式分解存在问题的原因。针对二维经验模式分解存在问题,本文从其原理出发,对二维经验模式分解算法进行改进。分解产生的固有模态分量和局部均值分量具有一定特性,本文通过这些特性构建目标函数和其约束,并通过对偶函数将该约束问题转化为无约束优化问题,通过一步运算即可获得固有模态分量和局部均值分量。再将局部均值用于下一次求解,通过多次运算直到获得的局部均值分量在图像内部无极值点,停止迭代,分解完成。该改进版算法一步运算不需要多次筛分迭代,不会误差累积,减小端点效应;同时一步运算减少运算量,防止过分解和欠分解。本文再通过将改进版二维经验模式分解用于图像分析,类似于高光谱多个通道,每个通道具有不同频率,可以对每个点构建特性向量。二维经验模式分解的图像具有更多的信息。可以对某一层的数据分析,可以对多层信号数据分析。本文首先通过将皮革图像分解的多个通道用于皮革缺陷检测,将纹理的影响和光影的影响去除,使缺陷信息更容易被观察到;本文最后通过改进分解算法对焊点图像做分解,再通过构建的深度神经网络对分解分量做缺陷样本分类。(本文来源于《广东工业大学》期刊2018-05-01）
邓杰海,姜林[2]（2018）在《基于经验模式分解的音频带宽扩展算法》一文中研究指出音频带宽扩展是现代音频编解码器的重要组成模块,它可以大幅降低编码码率。现有方法大多将低频复制到高频,然后利用少量高频参数进行调整得到重建的高频信号。这种复制方法假设高低频信号间具有相关性;但是,当这种相关性变弱时,编码质量急剧下降。为解决该问题,提出一种经验模式分解的方法重建高频信号。首先对高频和低频激励信号进行经验模式分解,然后选择与高频模式分量相关度较大的低频模式分量作为高频重建中的源信号。在得到高频重建的源信号后,再利用模式分量能量进行调整;最后通过源滤波器模型合成高频信号。实验结果表明,该方法与3GPP WB+和AVS P10编码标准中的带宽扩展算法相比,编码质量得到了明显提升;与最新的3GPP EVS中的时域带宽扩展算法相比,主观音质相当,码率下降33.3%。(本文来源于《科学技术与工程》期刊2018年12期）
王雨歆[3]（2017）在《基于经验模式分解与智能优化算法的BPNN模型在短期风速预测中的应用研究》一文中研究指出随着可持续发展在能源领域的不断深入,传统能源在资源含量、利用成本及环境污染方面的劣势逐渐显现,可再生新能源的开发与应用成为世界各国关注的热点,风能凭借其易获取、高储量、可再生的优势在众多新能源中脱颖而出。在风能相关的工程研究以及风电场的一般运作中,风速是需要考虑的重要要素之一,尤其是对于风力发电行业而言,风速可以决定发电机的转速进而影响发电功率。但在实际操作中,风速自身的波动性与间歇性往往会增加风电可控难度,导致风电机组发电功率不稳定,影响输出的电能质量,对电网运行的安全性造成威胁。因此,短期风速预测是风电相关工作中必不可少的环节,较为精确的风速预测结果能够在一定程度上为电网提供预警,方便电网调度,从而达到规避风险,降低损失及提高资源利用效率的作用。由此可见,发展具有高精度的风速预测方法具有十分重要的现实意义。对于短期风速预测,国内外学者进行了大量的研究,近几年随着预测精度要求的不断提高,现有单一统计模型已逐渐不能满足相关领域对预测精度的要求,除了在己有模型的基础上提出改进之外,将两种及以上的方法进行结合以建立新的混合模型成为时下较为流行的预测方法,其中就包括利用智能优化算法优化神经网络模型参数。然而,对于优化算法与神经网络预测模型的选取不同,建立的混合模型种类不同,其预测效果也会千差万别,因此如何选择最优模型是一个极具讨论性与现实意义的问题。为了解决以上问题,本文以短期风速序列为研究对象,选取2011年中国山东省蓬莱风电场44号风电机组记录的风速数据(间隔10分钟),通过大量对比实验寻求更为适用的预测模型以提高预测精度进而提高风能利用率,为相关领域提供数值参考。鉴于风速自身特性与神经网络在预测非线性数据上的适用性,本文以BP神经网络(BPNN)为基础预测模型,将不同优化算法与BPNN模型结合,提出叁种混合预测模型并将其应用于短期风速预测实证研究。本文主要工作可概括为以下几点:首先,采用纵向数据集选择方法确定BP神经网络输入及输出变量,并在此基础上划分网络训练集与测试集。其次,将历史风速数据按照季节划分,对各季数据分别采用经验模式分解(EMD)方法进行数据分层处理并剔除高频信号,从而减少原始数据中非平稳信号对预测所带来的不利影响。考虑到BPNN模型预测时间序列时易陷入局部极小的缺陷,采用叁种不同智能优化算法对BPNN权值与阈值进行优化,建立基于不同优化算法的BPNN预测模型,包括群智能算法中的布谷鸟搜索算法(CS)与萤火虫算法(FA)以及启发式智能算法中的和声搜索算法(HS)。本文在FA算法的基础上引入惯性权重进行改进,建立EMD-IWFA-BPNN模型并将其应用于短期风速预测中。最后,对实验模型作进一步讨论,将BPNN各模型与时间序列模型进行对比,讨论不同参数设置下BPNN模型的预测效果以及不同种群规模对优化算法收敛性能的影响。实验结果表明:(1)对于相同的预测长度,BPNN模型的预测精度比时间序列中的AR与ARMA模型更高,且叁种智能优化算法均能进一步提高BPNN模型预测精度;(2)对比叁种优化算法的寻优效果,与EMD-CS-BPNN模型及EMD-HS-BPNN模型相比,EMD-FA-BPNN模型在提高预测精度与预测稳定性方面均具有更好的表现;(3)相对于EMD-FA-BPNN模型,EMD-IWFA-BPNN模型能够得到更小的预测误差;(4)本文优化的BPNN预测模型在单步预测中的适用性更强,预测精度更高。本文结合大量国内外文献的研究成果,对与论文中内容相关的部分进行了系统总结并力求从以下几个角度有所创新:第一,以平均绝对百分比误差(MAPE)为主要评价标准,讨论各优化模型的预测精度的同时对比群智能算法与启发式智能算法的寻优效果。第二,作为启发式智能算法之一的和声搜索算法(HS)虽在多领域有着不错的应用,但在短期风速预测研究中鲜少涉及,本文将和声算法应用于风速预测,优化BPNN权重,以验证和声算法对提高预测精度的有效性。第叁,在网络及算法各参数不变的条件下,对于有限的训练集,将单步预测与多步预测结果进行对比分析,讨论了设置不同的预测步数对预测精度的影响。第四,对实验中表现最优的FA算法进行进一步的改进,并引入惯性权重,建立了 EMD-IWFA-BPNN模型对风速进行预测,验证模型改进的合理性与有效性。虽然本文实验结论不能完全够代表最佳短期风速预测模型,但可为相关部门或研究领域提供数值参考,以减少风电场及电网不必要的经济损失。(本文来源于《东北财经大学》期刊2017-11-01）
吴衍,马碧芳,李立耀,陈国钦[4]（2017）在《基于平滑经验模式分解算法的谐波检测新方法》一文中研究指出提出了基于平滑经验模式分解(SEMD)算法的谐波电流检测法。该方法将电流信号分解成内在模式函数(IMF),创新地在迭代筛分过程中加入平滑处理,不仅使算法不再依赖叁次样条插值法,而且提高算法的平滑性。使用新方法设计谐波检测电路,并进行基于叁次样条插值法和线性函数的对比仿真实验,结果表明:基于两种拟合极值法,SEMD算法都可以精确地分解出电流信号的谐波和基波分量,摆脱了对叁次样条插值法的依赖,而且分解出来的基波分量与原信号相关系数(CORR)分别为0.996和0.995,相对均方根误差(RRMSE)分别只有0.00532和0.00557,说明该法能够准确有效地分解谐波电流信号,同时端点效应得到很好的抑制,满足有源电力滤波器(APF)对电力系统谐波电流准确、快速检测的需要。(本文来源于《福建师大福清分校学报》期刊2017年05期）
张学军,黄婉露,黄丽亚,成谢锋[5]（2017）在《公共空间模式算法结合经验模式分解的EEG特征提取》一文中研究指出常规的公共空间模式分解方法需要大量的输入通道、缺乏频域信息,发展受到限制。为了克服以上缺点,将经验模式分解(Empirical Mode Decomposition,EMD)和公共空间模式算法结合,改变CSP滤波器成分选择方式,提出EMD-CSP算法来获取特征向量。该算法对预处理后的信号进行经验模式(EMD)分解,得到固有模态函数(Intrinsic Mode Functions,IMFs),观察并计算每个IMF分量的能量谱,筛选有效的IMF频段(5~28 Hz),使用改进的CSP滤波器进行滤波获取特征,最后使用支持向量机(Support Vector Machine,SVM)进行分类。分类结果得到9位受试的想象运动平均分类正确率为92%,证实了该算法的可行性与有效性。(本文来源于《计算机工程与应用》期刊2017年13期）
吴伟林,肖涵,王涛[6]（2017）在《基于主动导波和快速集成经验模式分解算法的轴类构件损伤识别》一文中研究指出为实现圆轴中损伤缺陷的识别与量化,解决超声信号处理过程中信号模式混迭和信号处理过程复杂的问题,以波动理论为基础,结合主动传感技术,利用快速集成经验模式分解(Fast Ensemble Empirical Mode Decomposition,FEEMD)算法对接收的导波信号进行分解,从分解的模式分量中提取出特征分量,提出基于FEEMD的透射系数并用于表征损伤严重程度。有限元仿真与实验结果表明,随着损伤程度的增加,透射系数单调递减,据此可检测出轴中所存在的缺陷并判定缺陷严重程度,可为轴类构件的结构健康监测提供一定依据。(本文来源于《机械设计与制造》期刊2017年06期）
张淑清,黄文静,胡永涛,宿新爽,陆超[7]（2016）在《基于总体平均经验模式分解近似熵和混合PSO-BP算法的轴承故障诊断方法》一文中研究指出针对机械系统的非平稳、非线性特性,提出了一种基于总体平均经验模式分解(EEMD)近似熵和混合PSO-BP算法的轴承故障诊断方法。EEMD能够解决EMD的端点效应,改善处理非线性信号时的局限性;引入随机权重和压缩因子来改进粒子群算法,优化BP神经网络的权值和阈值,解决BP网络的全局收敛问题。将信号经EEMD得到的IMF分量与近似熵结合,组成特征向量,再将构造的特征向量输入到PSO-BP神经网络中进行模式识别。实验及工程应用实例证明了该方法的有效性和优越性。(本文来源于《中国机械工程》期刊2016年22期）
何雪,杨志军,熊文怡,聂祥飞[8]（2016）在《基于一维经验模式分解与梯度脸的人脸光照处理算法》一文中研究指出提出一种基于一维经验模式分解与梯度脸的人脸光照处理算法。首先将人脸图像分别进行水平方向和垂直方向的一维经验模式分解,分解层数为一层,分解完成后将两张图像相加。重构后的人脸图像用梯度脸对其高频成分进行增强。运用主成分分析法对人脸图像进行降维处理,采用基于余弦距离的k近邻进行分类判别。在Yale B正面人脸库中的实验结果表明,选择适当的参数,利用算法能有效减少人脸光照的影响,对不同角度的光照具有很好的鲁棒性。(本文来源于《软件导刊》期刊2016年10期）
董明,马宏伟,陈渊[9]（2016）在《基于经验模式分解的超声信号去噪算法》一文中研究指出针对煤矿机械关键零部件超声检测时受到煤矿现场非线性、非平稳噪声干扰的问题,研究了超声信号的自适应去噪方法,将超声信号分解成独立的IMF分量,并得到各IMF分量的频谱,选择与探头中心频率相近的各IMF进行重构,提高了信噪比。(本文来源于《煤炭技术》期刊2016年09期）
黄静,李长春,延皓,杨雪松,李竞[10]（2016）在《基于改进经验模式分解算法的实时滤波新方法》一文中研究指出由于电液伺服系统本身的特点使某些干扰信号频段与正常信号的频段很靠近,普通数字滤波器很难起到较好的作用。为了能够精确过滤这些干扰信号,改进了Hilbert-Huang变换中所提出的经验模式分解(EMD)算法,扩展了极值点的定义,给出了插值判断条件,新增了分解结束判断条件。改进后的EMD算法对电液伺服系统信号有更好的包络效果、更佳的分解效果和更快的分解速度,可以满足实时滤波要求。将基于改进EMD算法的实时滤波器应用于实际的电液伺服控制系统后,同普通数字滤波器和原EMD算法进行对比,其结果验证了该滤波器的滤波效果优于普通数字滤波器,计算效率得到提高。(本文来源于《兵工学报》期刊2016年05期）
经验模式分解算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
音频带宽扩展是现代音频编解码器的重要组成模块,它可以大幅降低编码码率。现有方法大多将低频复制到高频,然后利用少量高频参数进行调整得到重建的高频信号。这种复制方法假设高低频信号间具有相关性;但是,当这种相关性变弱时,编码质量急剧下降。为解决该问题,提出一种经验模式分解的方法重建高频信号。首先对高频和低频激励信号进行经验模式分解,然后选择与高频模式分量相关度较大的低频模式分量作为高频重建中的源信号。在得到高频重建的源信号后,再利用模式分量能量进行调整;最后通过源滤波器模型合成高频信号。实验结果表明,该方法与3GPP WB+和AVS P10编码标准中的带宽扩展算法相比,编码质量得到了明显提升;与最新的3GPP EVS中的时域带宽扩展算法相比,主观音质相当,码率下降33.3%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
经验模式分解算法论文参考文献
[1].彭红霞.基于优化方法的二维经验模式分解算法研究[D].广东工业大学.2018
[2].邓杰海,姜林.基于经验模式分解的音频带宽扩展算法[J].科学技术与工程.2018
[3].王雨歆.基于经验模式分解与智能优化算法的BPNN模型在短期风速预测中的应用研究[D].东北财经大学.2017
[4].吴衍,马碧芳,李立耀,陈国钦.基于平滑经验模式分解算法的谐波检测新方法[J].福建师大福清分校学报.2017
[5].张学军,黄婉露,黄丽亚,成谢锋.公共空间模式算法结合经验模式分解的EEG特征提取[J].计算机工程与应用.2017
[6].吴伟林,肖涵,王涛.基于主动导波和快速集成经验模式分解算法的轴类构件损伤识别[J].机械设计与制造.2017
[7].张淑清,黄文静,胡永涛,宿新爽,陆超.基于总体平均经验模式分解近似熵和混合PSO-BP算法的轴承故障诊断方法[J].中国机械工程.2016
[8].何雪,杨志军,熊文怡,聂祥飞.基于一维经验模式分解与梯度脸的人脸光照处理算法[J].软件导刊.2016
[9].董明,马宏伟,陈渊.基于经验模式分解的超声信号去噪算法[J].煤炭技术.2016
[10].黄静,李长春,延皓,杨雪松,李竞.基于改进经验模式分解算法的实时滤波新方法[J].兵工学报.2016