时序分解 | MATLAB实现基于SGMD辛几何模态分解的信号分解分量可视化
@TOC
效果一览
基本介绍
SGMD分解算法（辛几何模态分解），分解结果可视化，MATLAB程序，包含包络线，包络谱，中心频率，峭度值，能量熵，模糊熵，样本熵，近似熵，包络熵，频谱等指标。
将时间序列分解为一组独立的模态分量。模态混叠情况大幅度降低，利用辛几何相似度变换来求解哈密顿矩阵的特征值，并利用其相应的特征向量来重构单分量信号。同时，SGMD可以在没有任何用户定义参数的情况下，有效地重构现有的模式，去除噪声。该方法的本质是将信号分解转换为辛几何变换。SGMD可以对信号进行完全分解，解决了EEMD方法和小波变换中的经验选择参数的问题。从Excel表格中读取，直接替换数据就可以使用，不需要对程序大幅度改动。程序内有详细注释，便于理解程序运行。
程序设计
- 完整源码和数据获取方式：私信回复MATLAB实现基于SGMD辛几何模态分解的信号分解分量可视化。
%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行
cosD = pdist(meas,'cosine');
clustTreeCos = linkage(cosD,'average');
cophenet(clustTreeCos,cosD)
ans =
0.9360
[h,nodes] = dendrogram(clustTreeCos,0);
h_gca = gca;
h_gca.TickDir = 'out';
h_gca.TickLength = [.002 0];
h_gca.XTickLabel = [];
————————————————
版权声明：本文为CSDN博主「机器学习之心」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/kjm13182345320/article/details/119920826
figure
hidx = cluster(clustTreeCos,'criterion','distance','cutoff',.006);
for i = 1:5
clust = find(hidx==i);
plot3(meas(clust,1),meas(clust,2),meas(clust,3),ptsymb{
i});
hold on
end
hold off
xlabel('Sepal Length');
ylabel('Sepal Width');
zlabel('Petal Length');
view(-137,10);
grid on
————————————————
版权声明：本文为CSDN博主「机器学习之心」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/kjm13182345320/article/details/119920826
参考资料
[1] https://blog.csdn.net/kjm13182345320/article/details/129215161
[2] https://blog.csdn.net/kjm13182345320/article/details/128105718
