Removing Solar Radiation Based on the Empirical Mode Decomposition Method for Seismo-Ionospheric Anomaly Before the M9.0 Tohoku Earthquake

The ionospheric effect from solar activity can be seen as the background in the process of detecting the ionospheric precursor prior to strong earthquakes. The ionospheric variation induced by the forthcoming earthquake can be covered by the strong solar background during the period of high solar activity. The issue of how to remove the ionospheric effect from solar radiation is of outstanding significance. In this paper, a method of Empirical Mode Decomposition (EMD) is used to eliminate the solar background. As a case study, the global ionospheric map TEC before the M9.0 Tohoku earthquake on 11 March 2011 is analyzed. After the effect of solar radiation is removed using the EMD method, the precursor of the imminent earthquake is more obvious. The ionospheric anomaly had a local character and only appeared close to the earthquake epicenter while the useful signals were covered by the solar radiation background with traditional method, which implies that the EMD method is effective in eliminating solar radiation background.      

基于EMD的东亚夏季风年代际变化特征及与太阳活动的关系

应用英国气象局哈德利气象研究中心(HadleyCenter)及美国环境预报中心和国家大气研究中心(NCEP/NCAR)的海平面气压(SeaLevelPressure,SLP)资料归一化得出1850-2011年的东亚夏季风指数,利用经验模态分解(EmpiricalModeDecomposition,EMD)方法对其变化特征进行分析,得到东亚夏季风指数的周期特征.太阳黑子活动与东亚夏季风活动存在相同的11年及80年左右周期,其中11年周期变化尤为明显.对比1850-2011年间太阳黑子数与东亚夏季风指数经验模态分解后的11年周期变化分量,发现两者波动振幅变化基本一致.      

多通道相关-自适应轴承故障诊断方法

提出了多通道相关-自适应共振解调(MCC-ARD)方法 ,该方法使用冗余信号源采集故障信息,并利用谱峭度(SK)优化经验模态分解(EMD)的分解效率,根据互相关系数更加合理地选择本征模态函数(IMF)分量完成重构,对重构IMF进行包络解调,实现对滚动轴承的故障诊断。通过对多通道相关-自适应共振解调方法的实测数据分析,结果表明:该方法不仅克服了单一信号源系统修正能力差的缺陷,而且相频谱辨识率为传统EMD结合谱峭度共振解调方法的2.7倍,对滚动轴承故障的诊断结果更加清晰、准确。     

改进的EMD方法在车辆振动信号提取中的应用(英文)

为了能在强噪声背景下准确地进行振动信号的特征提取,对经验模式分解进行了研究和改进,并将其应用于车辆振动信号的特征提取中。首先对系统中各输入信号进行了多次自相关处理,有效地降低信号中的噪声。然后对处理的信号进行经验模式分解,得到了各固有模态函数分量。最后对感兴趣的固有模态函数分量进行希尔伯特变换和谱分析,从而得到信号的特征信息。仿真和试验分析说明了改进的经验模式分解方法的可行性,并且对同类工程问题具有一定的参考价值。     

基于EMD-CS的脉冲星周期超快速估计

面向X射线脉冲星周期估计的压缩感知（CS）中测量矩阵尺寸大,进而导致计算量大。针对这一问题,提出了一种基于经验模态分解-压缩感知（EMD-CS）的脉冲星周期超快速估计方法。将不同畸变度的脉冲轮廓进行EMD分解,得到一系列固有模态函数（IMF）。由于IMF包含了不同时间尺度的局部特征信号,脉冲轮廓畸变度这一微弱局部特征可体现在某些IMF中。采用迭代剔除法剔除冗余的IMF,剩下的IMF构成了测量矩阵。由于IMF的数量较少,采样率大幅减少。利用EMD-CS可实现X射线脉冲星周期超快速估计。通过计算复杂度分析结果可知,采样率与计算量呈正比关系。仿真结果中表明,EMD-CS的采样率为0.25%,仅为FFT-CS的1/29,因而计算量更小。     

基于CWTHHT结合的永磁同步电机失磁故障诊断方法及其可行性分析

永磁同步电机失磁故障是驱动电机故障中最为严重的故障之一。失磁故障意味着永磁同步电机的优势显著降低。提出了基于CWTHHT结合的永磁同步电机失磁故障诊断方法并对其可行性进行了分析。首先简要分析了永磁同步电机稳态运行特性、搭建电机故障试验平台,实时采集电机正常及失磁时的定子电流信号;然后通过信号分析得出:失磁故障下电流信号的EMD分解分量imf4的周期性较正常情况时变差,而且分量imf3所占比例较正常情况时变大;失磁故障下电流信号的HHT图中基波频带较正常情况能量分散了。因此,基于CWTHHT结合的故障诊断方法是可行的。     

一种提高脉冲雷达多普勒相位精度的方法

针对低信噪比条件下脉冲雷达模糊多普勒相位精度较低,可能导致相位测距时不能正确解相位模糊问题,基于EMD（Empirical Mode Decomposition,经验模式分解）区间阈值去噪方法,提出了一种新的提高多普勒相位精度的方法：利用EMD分解后各层信号的频率特性和能量特性,选取合适的阈值,并对各层信号进行区间阈值化处理,在提高信号信噪比的同时保持了信号的连续性.分别在回波信号噪声为高斯白噪声和AR（2）相关噪声的情况下,以及不同信噪比条件下,对该方法进行验证.仿真结果表明：在低信噪比条件下,当回波信号噪声为白噪声和相关噪声时,EMD区间阈值去噪方法能将回波信号信噪比提高5 dB,去噪性能优于小波阈值去噪方法,其对应多普勒相位精度能提高1倍以上.     

一种惯组外场标定振动干扰的分离方法

惯组在外场进行标定时常会受到地基振动的干扰,这种干扰会对惯组的测试精度造成极大的影响.为解决这一问题,根据工程实际需要,提出了一种基于经验模态分解和数字信号滤波技术相结合的惯组输出振动干扰分离方法.首先利用经验模态分解将受振动干扰的惯组输出分解成若干本征模态分量,然后采用低通滤波器对高频分量进行滤波,对低频分量相应区段做幅值修正,最后将处理过的各分量叠加,即重构出消除振动干扰的信号.相对于传统的剔除野值后的平滑滤波方法,新方法保证了数据信息的完整性,有效降低了振动干扰的不利影响,提高数据信息的可靠性和真实性.仿真实验和工程实践表明,该方法对外场的瞬时振动干扰有较强地分离能力.     

改进Hilbert-Huang变换及其在转静子碰摩仿真中的应用

针对Hilbert-Huang变换(HHT)的不足,应用时间序列重构矩阵奇异值分解的能量分析方法改进了HHT,并提出了用来识别伪固有模态函数(IMF)的方法.利用仿真信号检验了改进HHT的效果.将改进后的HHT应用到某双转子航空发动机轻碰摩故障仿真试验结果的检测中,并与改进前HHT和小波分析的结果进行了比较,得出了改进后的HHT具有有效分离出微弱信号分量等优势,且能比小波变换更好地确定碰摩的存在.      

基于经验模态分解的机械故障欠定盲源分离方法

针对传统的机械故障源分离方法限于非高斯、平稳和相互独立的源信号, 且传感器的观测数多于源数, 机械故障源信号通常不易满足这些假设的局限性, 提出了一种基于经验模态分解的机械故障欠定盲源分离方法.该方法对混合观测信号进行经验模态分解, 然后重组本征模函数分量作为新的观测信号进行盲源分离, 仿真和实验结果表明, 该方法是有效的.