经验模式分解算法的分析及应用

经验模式分解算法的分析及应用

ID:5387839

大小:940.33 KB

页数:9页

时间:2017-12-08

经验模式分解算法的分析及应用_第1页
经验模式分解算法的分析及应用_第2页
经验模式分解算法的分析及应用_第3页
经验模式分解算法的分析及应用_第4页
经验模式分解算法的分析及应用_第5页
资源描述:

《经验模式分解算法的分析及应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、第29卷第n期系统工程理论与实践Vol.29,No.ll20(]9年n月SystemsEnginecring一Theory&Pr鱿ticeNov二20()g文章约号:1000一6788(2009)11一0168一09经验模式分解算法的分析及应用谢启伟1,2,轩波3,李建平2,韩华(1.中国科学技术大学管理学院,合肥230026;2.中国科学院科技政策与管理科学研究所,北京10()O80;3.中国科学院自动化研究所,北京100080)摘要从窄带信号的定义出发,弥补了经验模式算法由本质模式函数(lMF)作为墓础的缺陷,合理

2、解释了经验模式分解算法.并在理论上研究了筛过程的本质特征.应用局部窄带分解算法分析一组电力数据.通过分析分解的结果得到电力消费数据包含几个周期时序组成的结论,以指导电力的分配.关桩词带宽;窄带信号;本质模式函数;幅度调制中图分类号TP301,6文献标志码AAnalysisandaPPlieationofempiriealmodedeeomPositionalgorithmXIEQi一wei,2,XUANBo3,LlJian一pingZ,HANHua3(1.SehoolofManagement,UniversityofS

3、eieneeandl毛chnolo盯ofChina,Hefei23(X)26,China;2.InstituteofPolieyandManagement,Chin吹AeademyofSeiences,Beijingl硬X旧8D,China;3.InstituteofAutomation,ChinesAeademyofSeienees,BeijinglX洲)80,China)AbstraetEmpiriealmodedeeomposition(EMD)algorithm15explainedfromthedefiniti

4、onofthenarrowbandsignal.EMDalgorithm15defeetivebeeauseit15basedontheIntrinsieModeFunetion(IMF).几rther-more,weillvestigatethecharacteristieofsiftingproees.TheeleetriepowereonsumptionwasanalyzedtoobtaintheeleetrieeonsumptiondeeompositiondatabyEMDalgorithm.B睽donthed

5、ecompositiondata,weobtaintheeonelusionthattheelectrieeonsumptioninvolvesseveralperiodietimeseriestoguidethealloeationoftheelectriePower.Keywordsbandwidth;narrowbandsignal;intrinsiemodefunetion;amPlitudemodulation1引言本文基于一种自适应分解算法一经验模式分解讨论时序数列的分解!,一3}.经验模式算法根据时序数列本

6、身的特点,提取反映时序数列内在特点的本质模式函数(Intrioicmodefunction),被认为是对以平稳和线性假设为基础的傅立叶分析和小波分析的突破.本文选取的研究对象是一组电力消费量数据.通过分析这组数据的局部特征以及幅度和频率,我们找到一种可以准确描述这类数据的模式(窄带模式).对经验模式算法中提出的本质模式函数(Intrinsicmodefunction)做出了合理的解释,讨论了筛过程的本质问题.应用经验模式算法来分析电力数据,得到关于这组收稿日期:207-旅18资助项目:国家自然科学基金(70531040)

7、;中国科学院自动化所青年创新基金(o7Jlo1GZI)作者简介谢启伟(1977一),男,博士研究生,研究方向为数据挖掘,管理科学,Dmai一:qwjie@yahoo.eom!n;轩波(1975一),男,博士,助理研究员,研究方向为信号处理∀模式识别;李建平(197企),男,副研究员,研究方向为信用分析∀数据挖掘;韩华(1975一),男,博士,副研究员,研究方向为模式识别.第n期谢启伟,等:经验模式分解算法的分析及应用电力消费量的关键性的结论.2数据分析本文分析的数据是波兰19于1994年每天的用电量.该数据是研究时序数列

8、的典型数据{堪一],如图1所示,横轴表示时间,采样间隔为天,纵轴表示用电量.从图1可以观察到数据虽然有很强的周期性,但与正弦函数有很大差别.为更好地理解这组数据,画出数据的魏格纳(wigner)分布le]如图2所示.魏格纳分布定义为:(l)W,,一六j吕#(一;#)#(+;#)一,一d#式中s(t)代表信号

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。