本发明公开一种基于集合经验模态分解法和功率谱的信号降噪方法，筛选集合经验模态分解后的本征模态函数进行信号重构，根据本征模态函数的功率谱尖峰部分带宽占总带宽比值和功率谱的极值点数量占第一个本征模态函数极值点数量比值，合理筛选本征模态，最终达到最优降噪的目的。该方法广泛适用于混入白噪声和周期性噪声的非线性系统信号处理，可以很好区分噪声与有效信号并准确排除噪声干扰获得纯净信号，在轴承故障检测、铣削颤振识别和刀具磨损监测等领域具有重要的工程应用价值。
📄 2022115873626
📂 G06F17_18
👤 浙江工业大学
📅 2022-12-12
本发明公开了一种基于改进EEMD与PCNN的气体泄漏声波信号降噪方法，属于信号处理与计算机仿真应用领域。借助EEMD方法对非平稳非线性信号独具的分解优势，将采样信号分解成若干阶IMF分量。随后利用改进PCNN模型的神经网络信号传递方式，进一步对各噪声分量进行降噪。最后将降噪分量重组信号。相对于传统降噪算法，本发明方法克服了模态混叠缺点，解决了阈值难选的缺陷，处理信号信噪比更高而均方根误差更小，具有降噪能力强、有效信号保留能力强、传统方法弊端小的优点。
📄 2020103617348
📂 G06F18_10
👤 南京信息工程大学
📅 2020-04-30
柿子坊 · 知识产权运营
柿子坊知识产权运营平台