lr-emd
2017-01-01 21:50:44 0 举报lr-emd（局部保留经验模态分解）是一种用于信号处理和数据分析的非线性、非平稳时间序列方法。它通过将原始信号分解为一系列固有模态函数（IMF），从而实现对信号的去噪、特征提取和模式识别等目的。与传统的经验模态分解（EMD）相比，lr-emd在计算过程中保留了局部信息，提高了分解的准确性和稳定性。此外，lr-emd还具有较强的抗噪声能力，适用于处理含有噪声的复杂信号。总之，lr-emd是一种有效的信号处理方法，广泛应用于工程、物理、生物等领域。
作者其他创作
大纲/内容
sigbb=load('20130807041840_R5.txt');%获取落石信号R5Fs=100;%采样频率sig=load('back_FIg3_lr.txt');%背景噪声sigg=sigbb-sig;%减去噪声f=sigg*1000./12./330.;%落石信号R5预测集
结束 %返回train1
m(300:400)=1.0;%标记1的是落石的阶段 300到400是调试的最优结果
sigg1=[f k' m ];% sigg1是模型的预测输入向量
结束
ff=(load('20130804032956_R1.txt')-sig)*1000./12./330;%获取训练集落石信号R1
train1=[f k' m];%一定要用列向量，tran1位输出数据，包括信号、PSD、标记矩阵
main
0 条评论
下一页
