局域均值分解算法研究及其應(yīng)用.pdf

1、從大量無規(guī)律的復(fù)雜信號(hào)中分析其特征，并提取有價(jià)值的信息，是現(xiàn)代科學(xué)研究中的重要問題，也是國內(nèi)外學(xué)者的研究熱點(diǎn)。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(duì)于復(fù)雜的非線性、非平穩(wěn)信號(hào)的處理效果都不理想。經(jīng)驗(yàn)?zāi)Ｊ椒纸馑惴ㄊ且环N新的時(shí)頻分析方法，在腦電研究、機(jī)械故障診斷等的應(yīng)用中都取得了不錯(cuò)的效果。但由于算法本身的局限性，在應(yīng)用的過程中仍然帶來了諸如端點(diǎn)效應(yīng)、負(fù)頻率等問題。
　　 局域均值分解算法是在經(jīng)驗(yàn)?zāi)Ｊ椒纸馑惴ǖ?/p>

2、基礎(chǔ)上提出來的，保留了其優(yōu)點(diǎn)并克服了其不足，尤其適合分析具有調(diào)幅調(diào)頻特性的信號(hào)。本文在局域均值分解算法的基礎(chǔ)上，對(duì)算法中存在的幾個(gè)尚未解決的問題進(jìn)行了詳細(xì)論述，包括：針對(duì)純調(diào)頻信號(hào)的判別條件中涉及到的參數(shù)△的取值問題，提取了幾點(diǎn)參考；關(guān)于局域均值和包絡(luò)估計(jì)值的求取中產(chǎn)生的端點(diǎn)效應(yīng)，提出了一種簡單而有效的改善方法；對(duì)三次樣條插值和移動(dòng)平均法兩種信號(hào)平滑方法進(jìn)行了對(duì)比分析，指出了各自的優(yōu)缺點(diǎn)和適用范圍。最后，結(jié)合能量特征和支持向量機(jī)理論，將

3、局域均值分解算法應(yīng)用到了腦電信號(hào)和地震前驅(qū)波的分析與處理中。首先對(duì)腦電信號(hào)和地震信號(hào)進(jìn)行預(yù)處理和局域均值分解，確定腦電信號(hào)前三個(gè)PF分量、地震信號(hào)前五個(gè)PF分量中包含了信號(hào)主要的特征信息；再對(duì)支持向量機(jī)核函數(shù)的參數(shù)進(jìn)行優(yōu)化之后，提取有效PF分量的能量值作為支持向量機(jī)的輸入向量，支持向量機(jī)的輸出就是不同類別信號(hào)的分類結(jié)果。
　　 研究表明，本文提出的算法可將想象左右手運(yùn)動(dòng)BCI實(shí)驗(yàn)的分類準(zhǔn)確率提高到92.25％，在地震預(yù)報(bào)中的準(zhǔn)確