-
题名一种基于小波预处理的改进总体经验模态分解方法
被引量：4
- 1
-
-
作者
樊刘娟
冯秀芳
朱晓军
-
机构
太原理工大学计算机科学与技术学院
-
出处
《计算机测量与控制》
北大核心
2013年第6期1601-1604,共4页
-
基金
国家自然科学基金项目资助(60873139)
山西省科技基础条件平台项目资助(2011091003-0103)
-
文摘
总体经验模态分解(EEMD)是一种基于多次经验模态分解(EMD)的信号分解方法,能够有效解决EMD方法中存在的模态混.叠问题,使得分解出来的分量更具有实际物理意义,但随之带来的问题是整个分解时间大大延长,这正是由于多次EMD分解造成的;为了能够同时提高EEMD方法的分解效率,提出了一种基于小波预处理的EEMD算法;通过实验结果可以发现改进后的EEMD算法在原始EEMD算法的基础上,分解效率平均提高了大约10.95%,得到的有效分量与原始信号的相关度也提高了大约8.68%;这就说明较原有EEMD算法相比,改进后的EEMD算法不仅能够提高信号分解速度,而且能够更为有效地提取出原始信号中的特征分量。
-
关键词
总体经验模态分解
经验模态分解
小波预处理
特征提取
-
Keywords
ensemble empirical mode decomposition
empirical mode decomposition
feature extraction
wavelet pretreatment
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进EMD的脑电信号去噪方法
被引量：14
- 2
-
-
作者
朱晓军
吕士钦
余雪丽
樊刘娟
-
机构
太原理工大学计算机科学与技术学院
太原理工大学理学院
-
出处
《计算机工程》
CAS
CSCD
2012年第1期151-153,156,共4页
-
基金
国家自然科学基金资助项目(60873139)
太原理工大学校青年基金资助项目(K201022)
-
文摘
以经验模态分解(EMD)为理论基础,提出一种相似波形加权匹配的方法,对脑电信号(EEG)端点进行延拓,改善EMD分解过程中存在的端点效应,利用延拓后的EMD方法对EEG进行去噪。基于美国加州理工学院数据库中EEG的仿真结果表明,延拓后的EMD方法可有效去除EEG波形中的噪声部分,使EEG的特征更明显。
-
关键词
HILBERT-HUANG变换
脑电信号
经验模态分解
端点效应
去噪
-
Keywords
Hilbert-Huang Transform（HHT）
Electroencephalogram（EEG）
Empirical Mode Decomposition（EMD）
end effect
denoising
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名LMD方法在脑电信号处理中的应用研究
被引量：8
- 3
-
-
作者
朱晓军
樊刘娟
吕士钦
余雪丽
-
机构
太原理工大学计算机科学与技术学院
太原理工大学数学学院
-
出处
《计算机科学》
CSCD
北大核心
2012年第2期273-275,313,共4页
-
基金
国家自然科学基金(60873139)
教育部高校博士点基金(200801120007)
太原理工大学校青年基金(K201022)资助
-
文摘
局部均值分解(LMD)是一种新的非线性非平稳信号处理方法,该方法具有较强的自适应性,能将复杂信号分解为一系列具有物理意义的PF(production function)分量。但在信号分解过程中会产生端点效应,这将影响LMD分解精度,严重时会导致信号失真。在详细分析了LMD产生端点效应的原因之后,提出了一种基于相似波形加权匹配的端点延拓算法。通过对视觉诱发脑电信号进行仿真,并且和不做延拓的LMD分解结果做对比,说明该方法能够有效抑制LMD的端点效应,取得较好的分解效果。
-
关键词
局部均值分解
端点效应
相似波形加权匹配
脑电
视觉诱发电位
-
Keywords
Local mean decomposition（LMD）
End effect
Weighted matching similar waveform
EEG
VEP
-
分类号
TP391.93
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进MGR融合算法的视频信息融合框架
- 4
-
-
作者
李梅
王晶
樊刘娟
-
机构
太原理工大学计算机科学与技术学院
中国邮政储蓄银行山西省分行
-
出处
《太原理工大学学报》
CAS
北大核心
2013年第1期9-13,共5页
-
基金
国家自然科学基金资助项目(60873139)
山西省科技基础条件平台建设资助项目(2011091003-0103)
-
文摘
针对视频信息具有的多模态性质,提出了融合视音频多种模态特征信息的视频融合分析框架,用以提高视频检索的正确率和效率。该框架根据从视频底层提取出的多种图像特征、音频特征,采用基于图嵌入框架的降维算法MFA降维,根据降维后得到的各种特征向量,训练SVM分类器进行分类,并用改进后的MGR融合算法对SVM分类器输出的序号矩阵进行融合分析。实验结果表明该融合框架融合多种特征提高了分类识别的效率,采用了改进的融合算法降低了计算复杂度,提高了系统的整体性能。
-
关键词
MFA
融合分析
多模态特征
降维
-
Keywords
MFA
fusion analysis
multi-modal feature
dimensionality reduction
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
