谈谈噪声对EMD分解的影响
本帖最后由 shuihai707 于 2014-3-25 17:06 编辑1、无噪情况下分解
2、添加信噪比为10db高斯白噪声情况下分解
3、添加一个脉冲情况下分解
所以待分析的信号分解前必须要去噪处理，EMD分解才能相对准确。
不过，我有一个疑惑，看到部分文献说到对轴承的内外圈故障进行诊断，内外圈故障信号往往包含脉冲，但从时域角度看这种脉冲正是故障体现。如果对故障信号不去掉脉冲进行EMD分解，然后提取imf的特征向量进行诊断，这种情况下诊断的结果可靠吗？但是反过来想，正是需要这种包含脉冲的故障信号，他的EMD分解不准确与正常信号EMD分解的准确，他们特征向量的差异性，才能诊断出故障来。对于这个问题，大家怎么看？（可能发到故障诊断版更合适）
不去掉脉冲，用峭度，或者IMF的能量算，有故障的和无故障的表现是不同的，这个可以在数值中体现，见大部分是用FFT变化，这样的话是考虑频率分布了，加了脉冲，我感觉信号分解还是比较准确的，只是分解得出的IMF和不加分解的不同，他是由于信号的变化才导致的分解不同，分解准确方面，我感觉可以的 一蓑烟雨 发表于 2014-3-27 15:56
不去掉脉冲，用峭度，或者IMF的能量算，有故障的和无故障的表现是不同的，这个可以在数值中体现，见大部分 ...
我的原始信号是x=10*sin(2*pi*t.*(30+20*t.*t))+5*exp(-0.5.*t).*cos(10*pi*t.*t)，从图1可以看出来，EMD很好的将两个信号分解出来，从图3可以看出加上一个脉冲经过EMD分解已经面目全非了。假设轴承内圈有故障，故障信号会存在脉冲形式，如果将脉冲提取出来，残余信号分解是否会更好，这种情况下采用什么特征进行诊断呢？最近一直思考这个问题。 这几天在编写一个程序，所以没看成，不好意思，你这个加了脉冲后好像导致模态混叠了，造成分解不测底了，相关论文，我已经发上来了，故障诊断，常用的是分析频谱图，还有其他的一些无量纲和有量纲指标，你试一试，看能否区分出来 有程序么，楼主！！！{:{10}:} {:{39}:}{:{39}:} {:{39}:}{:{39}:} 楼主要是对光谱去噪也是这样处理吗 ljw694372641 发表于 2014-5-15 09:52
楼主要是对光谱去噪也是这样处理吗
你也是处理光谱信号的吗？ 我就是做光谱信号去噪的，多多交流呀 不懂就要问 发表于 2014-9-2 22:05
你也是处理光谱信号的吗？ 我就是做光谱信号去噪的，多多交流呀
现在已没有学习这个了， ljw694372641 发表于 2014-9-5 22:11
现在已没有学习这个了，
毕业设计做的跟这个有关 做EMD之前要先去噪？不是说EMD本身就有去噪的功能吗？ cwb 发表于 2014-9-12 20:59
做EMD之前要先去噪？不是说EMD本身就有去噪的功能吗？
如果噪声位于一个imf中，去掉这个imf即可实现去噪，但现实中噪声可能位于多个imf中，所以这种单纯去掉某个imf分量的效果并不好，可以看看这方面的文章，有对imf设定阈值的，不细说了，多看国外文献吧 shuihai707 发表于 2014-9-13 15:41
如果噪声位于一个imf中，去掉这个imf即可实现去噪，但现实中噪声可能位于多个imf中，所以这种单纯去掉某 ...
嗯，我这几天看完了HUANG的原著The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis，感觉还是原著比较带劲呀；现在在看ENSEMBLE EMPIRICAL MODE DECOMPOSITION:A NOISE-ASSISTED DATA ANALYSIS METHOD，比较吃力。
其实我一直很纳闷，去噪之后在再做EMD进而得到信号的HHT频谱和边际谱，总感觉这样有点费劲，因为FFT和小波分析本身就可以用来去噪；另外，对数据做HHT分析的目的是什么呀，或者说是怎样用HHT进行特征提取？我现在学了一个多月的HHT了，基本的理论和存在的问题差不多都了解了，就是不知道怎么应用，真是纠结，因为要写毕业论了。。 HHT的本质就是求瞬时频率，进而能得到信号的时频幅分布，对研究非平稳信号有益处。原文从瞬时频率引出来的，因为EMD分解出来的imf，黄认为对imf进行Hilbert变换求出的瞬时频率才有意义，其实不然，后续有好多问题，可以看看有一个讲瞬时频率的帖子。如果做本科毕业设计，就不用研究太透了。知道用EMD能将信号进行多尺度分解，将分解得到的imf进行Hilbert变换能得到信号时频分布就行了。
页:
[1]
2