【MATLAB 】 EMD信号分解+模糊熵(近似熵)算法

本文涉及的产品
实时数仓Hologres,5000CU*H 100GB 3个月
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
实时计算 Flink 版,5000CU*H 3个月
简介: 【MATLAB 】 EMD信号分解+模糊熵(近似熵)算法

【MATLAB 】 EMD信号分解+模糊熵(近似熵)算法

微信公众号由于改变了推送规则,为了每次新的推送可以在第一时间出现在您的订阅列表中,记得将本公众号设为星标或置顶哦~

有意向获取代码,请转文末观看代码获取方式~

1 EMD信号分解算法

EMD 分解又叫经验模态分解,英文全称为 Empirical Mode Decomposition。

EMD 是一种信号分解方法,它将一个信号分解成有限个本质模态函数 (EMD) 的和,每个 EMD 都是具有局部特征的振动模式。EMD 分解的主要步骤如下:

  1. 将信号的局部极大值和极小值连接起来,形成一些局部极值包络线。
  2. 对于每个局部极值包络线,通过线性插值得到一条平滑的包络线。然后将原信号减去该包络线,得到一条局部振荡的残差信号。
  3. 对于该残差信号,重复步骤1和2,直到无法再分解出新的局部振荡模式为止。
  4. 将所有的局部振荡模式相加,得到原始信号的EMD分解。 EMD分解的优点是能够很好地处理非线性和非平稳信号,并且不需要预先设定基函数。因此,EMD分解在信号处理、图像处理和模式识别等领域得到了广泛的应用。

要想在 MATLAB 中使用 EMD 分解首先要安装 EMD 分解的 MATLAB 工具包。

关于简短的代码视频教程均可关注B站、小红书、知乎同名账号(Lwcah)观看教程~

EMD 工具包的安装:在 MATLAB 打开 package_emd 文件夹,运行 install_emd. M 以及 index_emd. M 两个函数如下图所示即可完成工具包的安装。

MATLAB 信号分解第一期-EMD:

https://mbd.pub/o/bread/ZJWZmplq

信号分解全家桶详情请参见:

https://mbd.pub/o/author-aWWWnHBsYw==/work

2 模糊熵算法

模糊熵算法是一种用于衡量序列复杂度的方法。它基于模糊数学理论,计算一个随机变量的模糊熵。模糊熵的定义是:设X为一个取值范围为[0,1]的随机变量,它的概率密度函数为f(x),则模糊熵H(X)定义为:H(X) = -∫_0^1〖f(x)lnf(x)dx 〗 其中ln为自然对数。

模糊熵算法与近似熵和样本熵类似,模糊熵也用于衡量新模式产生的概率大小。较大的模糊熵表示新模式产生的概率越大,即序列复杂度越大。

在实际应用中,为了计算一个随机变量的模糊熵,需要先确定它的概率密度函数f(x)。当变量的概率密度函数已知时,可以通过上述公式来计算模糊熵。如果一个随机变量只有有限个取值,则可以使用频率分布来估计概率密度函数。

3 近似熵算法

近似熵算法是一种用于衡量序列复杂度的方法。它基于样本数据集中的近似概率分布,计算出近似熵。近似熵的定义是:设X为一个取值范围为[0,1]的随机变量,它的样本集合为{x1,x2,...,xn},则近似熵ApEn(X)定义为:

ApEn(X) = -sum_{i=1}^{m}(p(i|m)log_2 p(i|m))

其中,m是样本集合中的子序列数目,p(i|m)是长度为m的子序列中第i个序列出现的概率。

近似熵算法适用于样本数据集较小的情况,因为它只需要样本集合中的子序列数目和每个子序列的近似概率分布来计算近似熵。在计算过程中,可以根据需要调整子序列的长度m和样本集合的大小n,以获得更准确的结果。

4 代码获取

如下为简短的视频操作教程。

算法代码获取:

https://mbd.pub/o/bread/ZJyTlp5u

关于代码有任何疑问,可以一起探讨科研,写作,代码等诸多学术问题,我们一起进步~


1、感谢关注 Lwcah 的个人公众号,有关资源获取,请公众号后台发送推文末的关键词,自助获取。

2、若要添加个人微信号,请后台发送关键词:微信号。

3、若要进微信群:Lwcah 科研技巧群 3。请添加个人微信号后进群(大家沉浸式科研,广告勿扰),不定时更新科研技巧类推文。可以一起探讨科研,写作,文献,代码等诸多学术问题,我们一起进步。


记得关注公众号,并设为星标哦~谢谢啦~


目录
相关文章
|
10月前
|
算法
基于EMD的滚动轴承故障诊断算法matlab仿真
基于EMD的滚动轴承故障诊断算法matlab仿真
|
4月前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
94 2
|
5月前
|
机器学习/深度学习 算法 搜索推荐
django调用矩阵分解推荐算法模型做推荐系统
django调用矩阵分解推荐算法模型做推荐系统
77 4
|
8月前
|
并行计算 算法 Python
Dantzig-Wolfe分解算法解释与Python代码示例
Dantzig-Wolfe分解算法解释与Python代码示例
|
10月前
|
算法 vr&ar
保持无损连接的BCNF分解算法
保持无损连接的BCNF分解算法
168 1
基于广义Benders分解法的综合能源系统优化规划(matlab程序)
基于广义Benders分解法的综合能源系统优化规划(matlab程序)
|
10月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于DCT变换和位平面分解的数字水印嵌入提取算法matlab仿真
这是一个关于数字水印算法的摘要:使用MATLAB2022a实现,结合DCT和位平面分解技术。算法先通过DCT变换将图像转至频域,随后利用位平面分解嵌入水印,确保在图像处理后仍能提取。核心程序包括水印嵌入和提取,以及性能分析部分,通过PSNR和NC指标评估水印在不同噪声条件下的鲁棒性。
|
10月前
|
数据可视化 数据库
matlab中使用VMD(变分模态分解)对信号去噪
matlab中使用VMD(变分模态分解)对信号去噪
matlab中使用VMD(变分模态分解)对信号去噪
|
10月前
|
机器学习/深度学习 算法 数据可视化
MATLAB基于深度学习U-net神经网络模型的能谱CT的基物质分解技术研究
MATLAB基于深度学习U-net神经网络模型的能谱CT的基物质分解技术研究
|
10月前
|
数据可视化
matlab使用经验模式分解emd 对信号进行去噪
matlab使用经验模式分解emd 对信号进行去噪