×
陈启明；陈军辉；朗、荀；谢磊；纳维德·乌尔·雷赫曼；苏宏业

自校正变分模式分解。 （英语） Zbl 1472.93084号

J.富兰克林研究所。 358，编号1527825-7862（2021）.
变分模式分解（VMD）由于其对采样频率的鲁棒性和高频分辨率，近年来受到了广泛关注。然而，它的性能在很大程度上取决于两个关键预设参数（模式数（K）和惩罚参数（alpha）），这两个参数都严格限制了它的适应性和应用。在本研究中，提出了一种自校正VMD（SVMD）来解决这个问题。在所提出的方法中，\（K\）和\（\alpha\）分别通过频域中模式之间的能量比和正交性进行自适应更新。所提出的SVMD与匹配追踪方法类似，它显示了一种类似VMD的等效滤波器组结构，但失模概率要小得多。我们表明，SVMD比原始VMD对（α）和噪声级的变化更为稳健；此外，它具有更好的收敛性，并减少了现代化和终端效应。在SVMD上的实验表明，SVMD优于几种经典的信号分解算法。最后，通过地球物理中的日长变化分析、气象学中的气候循环研究和过程控制中的振荡检测三个领域的实际应用，验证了所提出的SVMD的有效性和优势。

MSC公司：

93C40型 自适应控制/观测系统
93C80号 控制理论中的频率响应方法
93立方厘米 控制理论中的应用模型

关键词：

自校正变分模式分解；等效滤波器组结构；实际应用程序
PDF格式BibTeX公司 XML格式引用
\textit{Q.Chen}等人，J.Franklin Inst.358，No.15，7825--7862（2021；Zbl 1472.93084）
全文： DOI程序

参考文献：

[1] 陈，Q。；谢林。；Su，H.，多元非线性Chirp模式分解，信号处理。，第107667条pp.（2020）
[2] 黄，N.E。；沈，Z。；Long，S.R。；吴先生。；Shih，H.H。；郑，Q。；Yen，N.-。C。；东，C.C。；Liu，H.H.，非线性和非平稳时间序列分析的经验模式分解和希尔伯特谱，伦敦皇家学会学报。系列A：数学、物理。工程科学。，454903-995（1998年）·Zbl 0945.62093号
[3] Jain，P。；Pachori，R.B.，基于Hankel矩阵特征值分解的多分量非平稳信号分解的迭代方法，J.Franklin Inst.，3524017-4044（2015）·Zbl 1395.94122号
[4] Smith，J.S.，局部平均分解及其在脑电感知数据中的应用，J.Royal Soc.Interface，2443-454（2005）
[5] 弗雷，M.G。；Osorio，I.，《固有时间尺度分解：非平稳信号的时频能量分析和实时滤波》，《皇家学会学报A：数学，物理》。工程科学。，463, 321-342 (2006) ·兹比尔1134.94313
[6] Gilles，J.，经验小波变换，IEEE trans。信号处理，61，3999-4010（2013）·Zbl 1393.94240号
[7] Dragomiretskiy，K。；Zosso，D.，变分模式分解，IEEE trans。信号处理。，62, 531-544 (2013) ·Zbl 1394.94163号
[8] Upadhyay，A。；Pachori，R.B.，基于变分模式分解的语音信号瞬时浊音/非浊音检测，J.Franklin Inst.，352，2679-2707（2015）·Zbl 1395.94169号
[9] 李，Z。；陈，J。；Zi，Y。；Pan，J.，面向独立性的VMD识别故障特征，用于高速机车轮对轴承故障诊断，机械。系统。信号处理。，85, 512-529 (2017)
[10] Lian，J。；刘，Z。；Wang，H。；Dong，X.，基于模式特征的信号处理自适应变分模式分解方法，Mech。系统。信号处理。，107, 53-77 (2018)
[11] 蔡，G。；Wang，L。；Yang，D。；孙，Z。；Wang，B.，《采用自适应变分模式分解的电网谐波检测》，《能源》，第12期，第232页（2019年）
[12] 朱，J。；王，C。；胡，Z。；孔，F。；Liu，X.，基于人工鱼群算法的滚动轴承故障诊断自适应变分模式分解，机械工程师学会学报，C部分：J.Mech。工程科学。，231, 635-654 (2017)
[13] 张，X。；苗，Q。；张，H。；Wang，L.，一种基于蝗虫优化算法的参数自适应VMD方法，用于分析旋转机械的振动信号，Mech。系统。信号处理。，108, 58-72 (2018)
[14] 王，Z。；He，G。；杜，W。；周，J。；韩，X。；Wang，J。；He，H。；郭，X。；Wang，J。；Kou，Y.，参数优化变分模式分解法在齿轮箱故障诊断中的应用，IEEE Access，7，44871-44882（2019）
[15] 陈，S。；Yang，Y。；彭，Z。；Dong，X。；张伟。；Meng，G.，自适应线性调频模式跟踪：算法和应用，机械。系统。信号处理。，116, 566-584 (2019)
[16] 周，P。；杜，M。；陈，S。；他，Q。；彭，Z。；张伟，摩擦冲击故障检测中的波内调频现象研究，机械。系统。信号处理。，122, 342-363 (2019)
[17] Unser，M。；Sage，D。；Van De Ville，D.，使用Riesz-Laplace小波变换的多分辨率单基因信号分析，IEEE Trans。图像处理。，18, 2402-2418 (2009) ·Zbl 1371.94541号
[18] 博伊德，S。；北卡罗来纳州帕里赫。；朱，E。；佩莱托，B。；Eckstein，J.，《通过交替方向乘数法进行分布式优化和统计学习》，机器学习中的基础和趋势®，3，1-122（2011）·Zbl 1229.90122号
[19] 彭，S。；黄禹锡。L.，零空间追踪：基于算子的自适应信号分离方法，IEEE Trans。信号处理。，58, 2475-2483 (2010) ·兹比尔1392.94649
[20] 蒋，X。；Wang，J。；史J。；沈，C。；Huang，W。；Zhu，Z.，旋转机械故障诊断中提取弱重复瞬态的VMD粗-细分解策略，机械。系统。信号处理。，116, 668-692 (2019)
[21] 姜涛（Jiang，T.）。；Wang，J。；沈，C。；蒋，X。；Zhu，Z.，滚动轴承故障诊断的多带宽模式流形，IEEE Access，7179620-179633（2019）
[22] Wang，Y。；Markert，R.，变分模式分解的滤波器组特性及其应用，信号处理。，120, 509-521 (2016)
[23] 弗兰德林，P。；Rilling，G。；Goncalves，P.，作为滤波器组的经验模式分解，IEEE信号处理。莱特。，11, 112-114 (2004)
[24] Wang，Y。；何，Z。；Zi，Y.，局部平均分解和经验模式分解的比较研究及其在旋转机械健康诊断中的应用，J.Vib。灰尘。，132，第021010条pp.（2010）
[25] Ur Rehman，N。；Mandic，D.P.，多元经验模式分解的滤波器组特性，IEEE trans。信号处理。，59, 2421-2426 (2011) ·Zbl 1392.94583号
[26] X·朗。；郑，Q。；张，Z。；卢，S。；谢林。；Horch，A。；Su，H.，快速多元经验模式分解，IEEE Access，665521-65538（2018）
[27] 曼德尔布罗特，B.B。；Van Ness，J.W.，分数布朗运动，分数噪声和应用，SIAM rev.，10，422-437（1968）·Zbl 0179.47801号
[28] 弗兰德林，P。；Goncalves，P.，作为数据驱动的类小波展开的经验模式分解，《国际小波多分辨率》。信息处理。，2, 477-496 (2004) ·兹比尔1092.42502
[29] Abry，P。；弗兰德林，P。；Taqqu，M.S。；Veitch，D.，用于分析、估计和合成缩放数据的小波，自相似网络流量和性能评估，39-88（2000）
[30] Rilling，G。；弗兰德林，P。；Goncalves，P.，《关于经验模式分解及其算法》，IEEE-EURASIP非线性信号和图像处理研讨会，8-11（2003），NSIP-03:NSIP-03 Grado（I）
[31] Rilling，G。；法兰德林，P.，一个还是两个频率？经验模式分解回答，IEEE转换。信号处理。，56, 85-95 (2007) ·兹比尔139094382
[32] 兰利，R.B。；金·R·W。；夏皮罗，I.I。；罗森·R·D。；Salstein，D.A.，《大气角动量和日长：周期接近50天的常见波动》，《自然》，294730（1981）
[33] 亚历山大，L。；张，X。；彼得森，T。；凯撒，J。；格里森，B。；克莱恩坦克公司。；海洛克，M。；柯林斯，D。；特雷文，B。；Rahimzadeh，F.，《全球观测到的温度和降水日极端气候变化》，J.Geophys。研究：大气，111（2006）
[34] 陈，Q。；陈，J。；X·朗。；谢林。；卢，S。；Su，H.，通过快速自适应线性调频模式分解检测和诊断过程控制中的振荡，控制工程实践。，97，第104307条pp.（2020）
[35] 谢林。；X·朗。；Horch，A。；Yang，Y.，存在信号间歇时的在线振荡检测，控制工程实践。，55, 91-100 (2016)
[36] 郑毅。；Wang，Y。；Yan，H。；Wang，Y。；杨伟（Yang，W.）。；Tao，B.，基于密度峰值聚类的多模过程的稳态/过渡模式识别和监测，Can。化学杂志。工程（2020）
[37] 陈，Q。；陈，J。；X·朗。；谢林。；江，C。；Su，H.，基于自适应Chirp模式分解的过程控制回路非线性振荡诊断，（2020年美国控制会议（ACC）（2020），IEEE），2772-2777
[38] X·朗。；Zhang，Y。；谢林。；金，X。；Horch，A。；Su，H.，《快速多元经验模式分解在噪声加工厂振动监测中的应用》，工业工程化学。决议（2020年）
[39] 杰拉利，M。；Huang，B.，《控制回路中刺激的检测和诊断：最新技术和先进方法》（2009），施普林格科学与商业媒体
[40] 陈，Q。；X·朗。；谢林。；Su，H.，基于改进的VMD检测过程控制回路中的非线性振荡，IEEE Access，791446-91462（2019）
[41] 阿夫塔布，M.F。；霍布多，M。；Sivalingam，S.，《通过多元经验模式分解的二进滤波器组特性检测非线性诱发振荡》，《过程控制杂志》，60，68-81（2017）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。