MatlabEMDHHTSVM-程序及图形.doc

MatlabEMDHHTSVM-程序及图形.doc     看到论坛里有人提出用SVM来解决EMD的边缘效应，觉得这个思路非常不错，我最近一直在学习这方面东西，但是目前还在搞前期工作，希望跟大家多多交流，互相交流自己的看法、思路和方法，从而更好的解决自己遇到的问题。     为了让没接触过EMD和HHT但非常熟悉SVM的人（如高手faruto)对这方面有个大概的了解，特发此贴。 EMD：     经验模式分解，多用于处理非平稳信号，它能把一个很复杂的信号分解成多个imf分量，（如从imf1,imf2....imfn，它们的频率是从小到大依次排列的)，这些分量中，信号在每一个时间点上将只有一个频率，均值为零，极值点与过零点数目相等，而且从高频到低频依次排列，（好处很多）如附件中的图所示。在大多数情况下信号中的噪声都是高频信号，因此这样做可以直接去掉前面几个imf分量，达到去除噪声的目的。更复杂一点的，可以用小波中的阈值处理来对每个imf分量加阈值去除噪声。总之，这样做的目的是为了便于后面的进一步处理。（具体过程随便搜一篇EMD的论文中就有，比较容易懂，附件中附上一篇论文）。 HHT：     希尔伯特黄变换，可以得到信号的瞬时频率，得到时间-频率谱和时间-幅值谱（能量），以及时间-频率-幅值谱，可以在能量谱中观察信号在各个频率上的能量，也可以根据能量谱的特点来去除噪声（某些噪声的能量谱是有规律的）等。 缺点--边缘效应：     由于EMD的过程中对信号进行了非常非常多次的求极大值拟合线与极小值拟合线的平均，所以对于两边的两个极值点求得的平均就会产生误差，一般采用的方法是对原始信号进行边缘延拓，再在两边各增加几个极值点，然后再求平均。     SVM正好具有预测的功能，因此用SVM得到的增加的几个点的正确性就大了很多............这个想法非常好。     附件中有我做的EMD分解的图形和程序及一篇EMD和HHT的论文，HHT的图正在做，SVM正在学....     个人理解....期待着与做过这方面东西的朋友多多交流.....