Ⅰ EMD算法分解成imf后，如何决定是否丢弃
摘要 您好～项目上的理论研究看到一种方法EMD+SVD方法识别，看了下EMD算法意义跟傅立叶变换差不多，也是将信号分解为不同的频率，但是区别与傅立叶无线长时间与小波变换选定小波基的问题，EMD给出了自适应分解方法
Ⅱ 用MATLAB实现EMD算法
ilovematlab论坛上可以免费下载，都可以运行
Ⅲ opencv中的EMD算法，几个参数求解释
整个项目的结构图：
编写DetectFaceDemo.java,代码如下：
[java] view
plainprint?
package com.njupt.zhb.test;
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfRect;
import org.opencv.core.Point;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.highgui.Highgui;
import org.opencv.objdetect.CascadeClassifier;
//
// Detects faces in an image, draws boxes around them, and writes the results
// to "faceDetection.png".
//
public class DetectFaceDemo {
public void run() {
System.out.println("\nRunning DetectFaceDemo");
System.out.println(getClass().getResource("lbpcascade_frontalface.xml").getPath());
// Create a face detector from the cascade file in the resources
// directory.
//CascadeClassifier faceDetector = new CascadeClassifier(getClass().getResource("lbpcascade_frontalface.xml").getPath());
//Mat image = Highgui.imread(getClass().getResource("lena.png").getPath());
//注意：源程序的路径会多打印一个‘/’，因此总是出现如下错误
/*
* Detected 0 faces Writing faceDetection.png libpng warning: Image
* width is zero in IHDR libpng warning: Image height is zero in IHDR
* libpng error: Invalid IHDR data
*/
//因此，我们将第一个字符去掉
String xmlfilePath=getClass().getResource("lbpcascade_frontalface.xml").getPath().substring(1);
CascadeClassifier faceDetector = new CascadeClassifier(xmlfilePath);
Mat image = Highgui.imread(getClass().getResource("we.jpg").getPath().substring(1));
// Detect faces in the image.
// MatOfRect is a special container class for Rect.
MatOfRect faceDetections = new MatOfRect();
faceDetector.detectMultiScale(image, faceDetections);
System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));
// Draw a bounding box around each face.
for (Rect rect : faceDetections.toArray()) {
Core.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));
}
// Save the visualized detection.
String filename = "faceDetection.png";
System.out.println(String.format("Writing %s", filename));
Highgui.imwrite(filename, image);
}
}
package com.njupt.zhb.test;
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfRect;
import org.opencv.core.Point;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.highgui.Highgui;
import org.opencv.objdetect.CascadeClassifier;
//
// Detects faces in an image, draws boxes around them, and writes the results
// to "faceDetection.png".
//
public class DetectFaceDemo {
public void run() {
System.out.println("\nRunning DetectFaceDemo");
System.out.println(getClass().getResource("lbpcascade_frontalface.xml").getPath());
// Create a face detector from the cascade file in the resources
// directory.
//CascadeClassifier faceDetector = new CascadeClassifier(getClass().getResource("lbpcascade_frontalface.xml").getPath());
//Mat image = Highgui.imread(getClass().getResource("lena.png").getPath());
//注意：源程序的路径会多打印一个‘/’，因此总是出现如下错误
/*
* Detected 0 faces Writing faceDetection.png libpng warning: Image
* width is zero in IHDR libpng warning: Image height is zero in IHDR
* libpng error: Invalid IHDR data
*/
//因此，我们将第一个字符去掉
String xmlfilePath=getClass().getResource("lbpcascade_frontalface.xml").getPath().substring(1);
CascadeClassifier faceDetector = new CascadeClassifier(xmlfilePath);
Mat image = Highgui.imread(getClass().getResource("we.jpg").getPath().substring(1));
// Detect faces in the image.
// MatOfRect is a special container class for Rect.
MatOfRect faceDetections = new MatOfRect();
faceDetector.detectMultiScale(image, faceDetections);
System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));
// Draw a bounding box around each face.
for (Rect rect : faceDetections.toArray()) {
Core.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));
}
// Save the visualized detection.
String filename = "faceDetection.png";
System.out.println(String.format("Writing %s", filename));
Highgui.imwrite(filename, image);
}
}
3.编写测试类：
[java] view
plainprint?
package com.njupt.zhb.test;
public class TestMain {
public static void main(String[] args) {
System.out.println("Hello, OpenCV");
// Load the native library.
System.loadLibrary("opencv_java246");
new DetectFaceDemo().run();
}
}
//运行结果:
//Hello, OpenCV
//
//Running DetectFaceDemo
///E:/eclipse_Jee/workspace/JavaOpenCV246/bin/com/njupt/zhb/test/lbpcascade_frontalface.xml
//Detected 8 faces
//Writing faceDetection.png
package com.njupt.zhb.test;
public class TestMain {
public static void main(String[] args) {
System.out.println("Hello, OpenCV");
// Load the native library.
System.loadLibrary("opencv_java246");
new DetectFaceDemo().run();
}
}
//运行结果:
//Hello, OpenCV
//
//Running DetectFaceDemo
///E:/eclipse_Jee/workspace/JavaOpenCV246/bin/com/njupt/zhb/test/lbpcascade_frontalface.xml
//Detected 8 faces
//Writing faceDetection.png
Ⅳ 如何采用算法降低emd对噪声的敏感
多参加一些课外活动，好处多多。上大学学习不是你的全部了。你应该学会劳逸结合。对于你学习的态度，我非常欣赏，到了大学再那么好学真的不简单啊！
对于你的情况可以试着听轻音乐，听不到那些声音就好了。如果不喜欢，就从饮食方面和生活方面着手。晚上睡前喝些牛奶，生活上最重要，常放松放松。劳逸结合，才能高效的去学习。
可以制造噪声除草器，利用噪声除草器发出的噪声使杂草的种子提前萌发，这样就可以在农作物生长前用药物除掉杂草，保证农作物顺利生长．
Ⅳ EMD是什么意思啊
EMD（经验模态分解，全称Empirical Mode Decomposition，一般指EMD算法）是Hilbert-Huang变换（HHT）的核心算法。
经验模态分解(EMD)算法是通过算法过程定义的，而并非由确定的理论公式定义的，所以对其进行准确的理论分析非常困难，我们目前只能借助大量的数字仿真试验不断对其性能进行深入的研究。 EMD算法的目的在于将性能不好的信号分解为一组性能较好的本征模函数（IMFIntrinsic Mode Function ），且IMF须满足以下两个性质：
(1)信号的极值点(极大值或极小值)数目和过零点数目相等或最多相差一个；
(2)由局部极大值构成的上包络线和由局部极小值构成的下包络线的平均值为零。
Ⅵ 什么叫EMD
EMD(Empirical Mode Decomposition)算法1995年由NASA海洋水波实验室提出,本质上是一种将时域信号按频率尺度分解的数值算法,对于线性时不变系统,它可以从时域信号中直接提取具有不同特征时间尺度的内禀模式函数(IMF,Intrinsic Mode Function),分解得到的IMFs之间具有正交性,且分解唯一.本文以此为基础,将NExT(Natural Excitation Technique)方法推广到多点随机激励下的复模态情况,对多自由度线性系统实测响应信号的互相关函数进行EMD分解,并进而实现模态参数的辨识.
Ⅶ 麻烦说说EMD有什么地方不好~
问题:
1. 分量c1,c2,c3...cn分别包含了从高到低不同的频率断,每一段频率成分是不同的,而且随信号x(t)变换而变化,rn则表示了信号x(t)的中心趋势
对于这句话 有点不解 c1 c2...cn是不是严格按照频率从高 到低, 而且rn说表示中心趋势 我看有的说误差 看来应该是分情况而定的把??
2. 对于黄的程序 暂时我没有仔细研读啊 ,不知道他在对于emd缺点改进方面作了那些工作,此程序在对于emd的改进如何,更确切的说 这个程序的可用度如何, 更适合分析甚么信号!
通过看imf定义,可以看到 它对于具有调幅和调频的信号 对称信号 处理应该是比较不错的,但是实际信号 比如地震信号 时域波形应该畸变 不是标准的正弦波 或者于弦 ,而我门在举例子的时候 都倾向于 举一标准的正于弦 或者 调幅 调频,如果举噪声的例子,结果又会怎么样那??
3. 对于现在搞emd的都在对黄的程序,在改进 ,结果也出了不少文章 ,在故障诊断这块 ,作的不错的 湖南大学于老师 在机械系统与信号处理 发过3-4篇 文章, 算法作了改进 ,主要故障设计 齿轮 和轴承 ,这些信号 大家都清楚 出现调幅调频的几率比较达大,处理起来效果应该还可以,但是对于别的故障,不知道大家有没有试验过,如果转速变化比较大,所采集的波形波动比较大时,效果是不是还比较好呢?? 我现在还是觉得 信号略处于稳态的 处理效果比较好些, 期待大家 讨论?
答案1. c1 c2 ... cn 的确是严格按照频率从高到低产生的，不过这里有一个误区，其意思并不是说c1的频率一定比c2的高，正确的理解是c1中的某个局部的频率比c2中相同局部的频率要高，这也正好反映了EMD算法局部性强的本质所在，也跟黄的说法“相邻的分量可能包含相同时间尺度的振荡，但是相同时间尺度的振荡绝对不会出现在两个不同的IMF分量的同一个位置”一致。至于分解过程造成的误差（主要是包络方式的选取、边界效应的处理和滤波停止条件的设计），会不断累积到下一层分解中，并不一定是最后一个余量（趋势项）。
2.
a) 黄的源程序其实我们都没有得到（这个不是免费的，因为黄已经在NASA中申请了专利），一般大多数人使用的都是Flandrin提供的源代码，也就是LS提到的G.Rilling的方法（之所以有两种不同说法是因为网站提供的源代码是Flandrin的，但是emd.m提到的文章是G.Rilling作为第一作者的，也许外国人不像我们那样通过次序来区分贡献，呵呵）。程序基本上可靠，可以用来分析各种数据，但是效果如何，就要看是否满足你的需要了。至于适合什么样的数据，现在还没有定论，其一，EMD算法还没有建立一个合适的数学模型，也就缺乏严格的数学基础，很多诸如收敛性、唯一性、正交性等数学问题根本无法进行，甚至连“什么信号能进行EMD分析”目前也无法解释。其二，算法本身是操作性的，到目前为止也是经验的（正如算法的名称一样），在没有找到其理论支撑之前，无从考究。其三，一种算法，不可能对任何信号都有效，所以不要指望EMD可以处理任何信号。
b) 从IMF的定义看的确要求IMF是对称的，但是这不意味着要求信号本身具有这样的特性，也并不要求信号是正弦、余弦等的合成，我想，之所以EMD能引起那么多人关注，除了所谓的“传销”得当以外，更重要的是它在实际中的表现，如果只能处理规则的信号，那么它的影响（包括好的和也许坏的）远不可能如此成功。
c) EMD从高到低产生各IMF的特性就意味着它可以用来去噪，而并非在使用EMD之前用其他方法进行噪声处理。举个例子吧，我这段时间做的脑功能激活区检测，本质上就是去除信号的噪声，把原始的刺激恢复出来的这么一个过程。实现结果是很不错的，无论对于加性的服从规则分布（例如高斯分布、均匀分布等）的随机信号，还是对于乘性的服从规则分布（我只测试了poisson分布）的随机信号。当然了，后者的结果当然比不上前者，不过足以超过用于检测的传统方法。个人认为EMD之所以在实际中那么有效，是因为它能处理非平稳、非线性的时间序列。
3. 目前对EMD方法的改进分为两个方面，一个是实验层面的，另一个是理论层面的，相对来说，后者少之又少。
a) 前者主要包括是两个部分。实际上，这是大家在利用EMD进行信号分解时采取的一些主观规则。其一是根据对零均值条件的主观理解，使用了不同的方法作为IMF滤波停止条件；其二是利用三次样条计算信号的上、下包络时，根据信号两端的走势，使用了特定的端点延拓方法。当使用EMD进行非平稳和非线性信号分解时，在上述两点上使用不同的规则将导致不同的EMD分解结果。2003年G. Rilling等人对Huang的EMD算法进行的改进就属于第一种，个人认为该条件比Huang原来的条件合理。而国内学者诸如2001年邓拥军等提出的神经网络方法、2003年黄大吉等提出的镜像闭合法和极值点延拓法以及2004年刘慧婷等提出的多项式拟合算法等，是属于第二种。至于这两年的研究成果，我还没有整理，呵呵。
b) 后者主要是2004年谌球辉等人提出利用“滑动平均”的方法代替传统的“包络平均”的方法来求出信号的低频。他们试图借助B样条函数已有的良好性质来为建立EMD的数学基础作进一步推进。另外，2006年初黄对EMD算法得到的IMF提出了一个后处理算法（本质上是对IMF进行规范化），其目的是为了更加准确的得到瞬时频率和振幅（个人认为这才是真正的包络和瞬时频率，来京之前我试图从局部意义上来证明这个算法的收敛性，但只得到阶段性结果，最近听说我的一个师弟已经从全局意义上基本上证明出来了，待我回去以后再看看具体成果吧，呵呵），算法的思想是把两者尽量分开，把调幅的影响从调频中脱离出来。该处理方法完全抛弃了Hilbert变换，使得瞬时频率和瞬时振幅更加准确、更有意义
总的来说，EMD乃至HHT虽然有很多缺点，但是也并非一无所用，在理论上的证明和进一步完善需要更多的关注，而在实验中的用处就看你的需要和如何发挥它的潜力了。
Ⅷ EMD算法分解信号后，怎么将这些信号重构呢求高手指点
有个叫BOUDRAA的人发明了一种算法，叫连贯均方误差法，就是分别求每个IMF分量的平方，取完后求和再取平均，求和的点数是N，即采样点的点数。假如你分解得到了M个IMF分量，那么就应该有M个这样的数，把得到的这些数圆整，求出最小的整数，记为K。那么K之前的包括K的这些分量相加应该是噪声的信号，K之后的加上剩余信号即为重构信号。不过目前该方法被证实不适合信噪比低得信号，不过一般的处理效果还可以。
Ⅸ 关于经验模态分解(EMD)的问题
于非线性时间序列分析经验模态分解和小波分解异同性的研究
龚志强 邹明玮 高新全 董文杰
摘 要：基于经验模态分解(EMD)的希尔伯特变换(HT),是对非线性时间序列基于EMD进行分解,然后通过HT获得频谱.利用理想时间序列和青藏高原古里雅冰芯18O时间序列,系统地分析比较了EMD和小波分解(WD)以及HT和小波变换在非线性时间序列处理中的优劣,并针对它们各自的缺点提出了可能改进的设想.研究结果表明,将基于EMD的方法和基于WD的方法有机结合起来应用,可以更有效地识别原时间序列的特征信息.
关键词：经验模态分解;小波分解;理想时间序列;古里雅冰芯
文章编号：1000-3290/2005/54(08)/3947-11
On the difference between empirical mode decomposition and wavelet decomposition in the nonlinear time series
Gong Zhi-Qiang Zou Ming-Wei Gao Xin-Quan Dong Wen-Jie
基金项目：国家重点基础研究发展规划(批准号:2004CB418300)和国家自然科学基金(批准号:90411008,40231006)资助的课题.
作者单位：龚志强（扬州大学物理科学与技术学院,扬州,225009;国家气候中心气候研究开放实验室,北京,100081）
邹明玮（扬州大学物理科学与技术学院,扬州,225009;中国科学院大气物理研究所,北京,100029）
高新全（国家气候中心气候研究开放实验室,北京,100081）
董文杰（国家气候中心气候研究开放实验室,北京,100081）
参考文献：
[1]Huang N E, Shen Z, Long R S et al1998 Proc. R. Soc. Lond. A454 899
[2]Huang N E 1999 Ann. Rev. Fluid Mech. 31 417
[3]Feng G L, Chou J M, Dong W J 2004 Chin. Phys. 13 1582
[4]Feng G L, Dong W J 2003 Chin. Phys. 13 413
[5]Dai X G, Wang P, Chou J F 2004 Prog. Nat. Sci. 14 73
[6]Li J P, Tang Y Y 1999 Application of Wavelet Analysis ( Chongqing:Chongqing University Press)(in Chinese)[李建平、唐远延1999小波分析方法的应用(重庆:重庆大学出版社)]
[7]Mallat S 1989 IEEE Trans. Signal Proces. 37 2091
[8]Mallat S, Hwang W L 1992IEEE Trans. Inform. Theory 38 617
[9]Xiong X J, Guo B H, Xu Y M 2002 J. Ocean. HB Seas 20 12(in Chinese)[熊学军、郭炳火、胡筱敏2002黄渤海海洋20 12]
[10]Farge M 1992 Ann. Rev. Fluid Mech. 24 395
[11]Tewfiki A H 1992 IEEE Trans. Inform. Theory 38 747
[12]Li B B 1994 J. Electron. 16 646(in Chinese)[李兵兵 1994 电子科学学刊16 646]
[13]Wang J Z 1998 Auto.Elec.Power Sys.22 40(in Chinese)[王建赜1998电力系统自动化22 40]
[14]Yao T D,Yang X M,Kang X C 2001 Quatern.Sci.21 514(in Chinese)[姚檀栋、杨学梅、康兴成2001第四纪研究21 514]
[15]Zhang X P,Yao T D,Jin H J 2000 J.Glaci.Geocr.22 23(in Chinese)[章新平、姚檀栋、金会军2000冰川冻土22 23]
[16]Zhang X P,Shi Y F,Yao T D 1995 Sci.China D 38 854(in Chinese)[章新平、施雅风、姚檀栋1995中国科学D 38 854]
[17]Yao T D,Jiao K Q,Li Z Q 1994 Sci.China B 24 763(in Chinese)[姚檀栋、焦克勤、李忠勤1994中国科学B 24 763]
[18]Briffa K R 1998 Nature 391 678
[19]Briffa K R 1998 Nature 393 450
[20]Stagke D W 1998 Science 280 564
[21]Briffa K R 1998 Quatern. Sci. Rev. 19 87
[22]Liu C X2001 J.Trop.Meteor.17 381(in Chinese)[刘春霞2001热带气象学报17 381]
Ⅹ 求实时红外气体检测基于EMD算法修改的英文资料的中文翻译
Hall of fame: celebrities take you feel the drive of their life
Ma Yun Ren Zhiqiang Li Jiacheng Liu Chuan Shi Yuzhu
Q.
Xie
Et
Al
/
Sensors
And
Actuators
B
136
2009.
303 - 309
305
Fig
4
The
Characteristics
Of
那个
Output
Signal
From
那个
Photodiode
(a)
The
Wave-
Form
Of
那个
Output
Signal
(b)
The
Fourier
Analysis
Of
那个
Output
Signal
(c)
The
Uctuations
Of
那个
Output
Waves
Converts
Into
Voltage
The
Ow
Of
Gas
Mixture,
Clean
Air
And
Testing
Gas,
Is
Controlled
By
Two
Mass
Ow
Meters
The
Rapid
Changes
Of
Gas
Concentration
Can
Be
Obtained
By
A
Three-path
Valve
The
Gas
Con-
Centration
Is
Calculated
Through
那个
Beer - Lambert
Absorption
Law
[14]
Which
Relates
那个
Intensity
Of
Incoming
Light
To
那个
Transmitted
Intensity
The
Output
Waveform
Is
Shown
In
Fig
4
A,
那个
A
/
D
Sampling
Rate
Is
500
The
Waveform
Is
Unsymmetric
With
A
Long
Response
And
Short
Recovery
Time
Its
Fourier
Spectrum
Is
Given
In
Fig
4
B
In
Which
那个
DC
Component
Is
Ignored
And
那个
Power
Is
Normalized
It
Can
Be
Seen
From
那个
Gure
That
那个
Signal
Has
那个
Fundamen-
Tal
Frequency
Of
16
Hz
And
Also
Contains
Harmonic
Components
Fig
4
C
Shows
那个
Upper
Envelope
Boundary
Of
那个
Measured
Out-
Put
The
Dependency
Of
那个
Output
Amplitude
On
那个
Perturbation
Can
Be
Clearly
Noted
These
Perturbations
Or
Uctuations
Mainly
Come
From
Two
Sources
[2]
:
那个
Measurement
Noise
Introced
By
那个
System
And
True
Concentration
Variation
In
Order
To
Get
Accu-
Rate
Gas
Concentration,
那个
Uctuations
Due
To
Measurement
Noise
Need
To
Be
Reced
Fig
5
Unsuccessful
Decomposition
Of
那个
Experimental
Signal
By
那个
Original
EMD
3.2
The
Modi ed
EMD
And
A
Mean-envelope
Lter
Although
那个
EMD
Algorithm
Is
Effective
In
Decomposing
Dif-
Ferent
Signals,
It
Cannot
Correctly
Decompose
那个
Wave
With
Some
Spurs
In
Addition,
Even
If
All
Meaningful
IMFs