计算机测量与控制
計算機測量與控製
계산궤측량여공제
COMPUTER MEASUREMENT & CONTROL
2012年
2期
447-450,453
,共5页
经验模态分解%Hilbert.Huang变换%神经网络%支持向量机
經驗模態分解%Hilbert.Huang變換%神經網絡%支持嚮量機
경험모태분해%Hilbert.Huang변환%신경망락%지지향량궤
Hilbert.Huang变换(HHT)在对信号进行经验模态分解和对各内禀模态函数进行Hilbert变换时会产生端点效应,端点效应会严重影响HHT的应用质量;为克服该问题,文中采用多目标分配遗传算法(GA)解决RBF神经网络(NN)模型训练的参数选择,并利用RBF_ NN对信号延拓后再进行经验模态分解；该方法可有效克服经验模态分解方法的端点效应问题,得到具有明确物理意义的内禀模态函数和Hilbert谱;通过对典型确定信号和实际信号的仿真分析表明:文中提出的算法能有效解决HHT中存在的端点效应问题,且其效果优于RBF神经网络和支持向量机(SVM)的数据序列延拓方法.
Hilbert.Huang變換(HHT)在對信號進行經驗模態分解和對各內稟模態函數進行Hilbert變換時會產生耑點效應,耑點效應會嚴重影響HHT的應用質量;為剋服該問題,文中採用多目標分配遺傳算法(GA)解決RBF神經網絡(NN)模型訓練的參數選擇,併利用RBF_ NN對信號延拓後再進行經驗模態分解；該方法可有效剋服經驗模態分解方法的耑點效應問題,得到具有明確物理意義的內稟模態函數和Hilbert譜;通過對典型確定信號和實際信號的倣真分析錶明:文中提齣的算法能有效解決HHT中存在的耑點效應問題,且其效果優于RBF神經網絡和支持嚮量機(SVM)的數據序列延拓方法.
Hilbert.Huang변환(HHT)재대신호진행경험모태분해화대각내품모태함수진행Hilbert변환시회산생단점효응,단점효응회엄중영향HHT적응용질량;위극복해문제,문중채용다목표분배유전산법(GA)해결RBF신경망락(NN)모형훈련적삼수선택,병이용RBF_ NN대신호연탁후재진행경험모태분해；해방법가유효극복경험모태분해방법적단점효응문제,득도구유명학물리의의적내품모태함수화Hilbert보;통과대전형학정신호화실제신호적방진분석표명:문중제출적산법능유효해결HHT중존재적단점효응문제,차기효과우우RBF신경망락화지지향량궤(SVM)적수거서렬연탁방법.
