导读:本文包含了经验筛法论文开题报告文献综述、选题提纲参考文献，主要关键词:经验,模态,分解,函数,频率。
张丹[1]（2014）在《EMD经验筛法的研究及改进》一文中研究指出经验模态分解（Empirical Mode Decomposition，EMD）是一种时频分析方法，它可以根据输入信号自身具有的一些特点，自适应的将这些信号分解为几个本征模态函数（Intrinsic Mode Function，IMF），通常用这种方法处理非线性、非平稳信号。这种方法经过多年的发展，已经在非平稳信号处理领域占据了一席之地，理论和应用价值很高。该课题对EMD的理论体系进行了全面深入的研究，对现有经验筛法进行总结，重点研究并仿真验证了稳定点均值筛法，同时针对EMD算法自身存在的缺点，对其边界效应问题进行了深入的探讨。课题的主要内容如下：在充分地了解EMD的基本原理、性质及存在的主要问题的基础上，总结了EMD的发展现状、应用领域和研究热点。对现有的几种经验筛法进行了分析和总结，对比出它们的优点和不足。重点研究了稳定点均值筛法，这种筛法是根据稳定点定理提出的，通过直接拟合信号的均值曲线来对信号进行分析。最后通过仿真，验证了稳定点均值筛法的正确性及实用性。深入分析了EMD中边界处理问题的重要性，对EMD中的边界处理算法进行了研究。对已有的几种边界处理算法给出了相应的物理意义，并针对多种边界处理算法的优缺点进行了评价。最后重点分析了本征波匹配预测法，这种方法是基于波形匹配的思想提出的。通过比较，证明了用本征波匹配预测法相对于其他边界处理方法的优越性，其理论和实用价值极高。(本文来源于《河北科技大学》期刊2014-05-01）
[1].张丹.EMD经验筛法的研究及改进[D].河北科技大学.2014
本文来源: https://www.lunwen90.cn/article/3c949b244560be90cf9f653e.html