消除EMD端点效应的PSO-SVM方法研究

作者：白春华; 周宣赤; 林大超; 王仲琦

来源：系统工程理论与实践, 2013, (05): 1298-1306.

• 振动信号
• 粒子群算法
• 支持向量机
• 经验模态分解
• 端点效应 vibration signal
• particle swarm optimization(PSO)
• support vector machine(SVM)
• empirical mode decomposition(EMD)
• end effects

经验模态分解(empirical mode decomposition,简称EMD)的端点效应使得EMD分解结果产生严重失真,为了减小分解过程中产生的端点效应,将支持向量机(SVM)这一智能算法引入EMD,提出采用SVM模型解决分解中产生的端点效应问题.通过支持向量机对其原始数据两端进行延拓,以获得一个或者多个极大值和极小值.为了使端点处的延拓交得更加合理,引入粒子群(PSO)智能算法对支持向量机算法参数进行优化,使其两个端点处的数据延拓得更加准确,从而使得三次样条曲线在端点处不会发生大的摆动,实现EMD分解的固有模态函数(IMF)更加准确可靠.通过对仿真信号的研究表明,基于PSO-SVM方法...

• 单位
  爆炸科学与技术国家重点实验室; 北京理工大学; 华北科技学院