DFA的全程是去趋势波动分析法，该方法的一个优点是它可以有效地滤去序列中的各阶趋势成分,能检测含有噪声且叠加有多项式趋势信号的长程相关,适合非平稳时间序列的长程幂律相关分析。
2024/5/27 14:57:22
215KB
1
代码中的plot_hht函数实现了Hilbert-Huang变换(HHT)，HHT就是Hilbert-HuangTransform（希尔伯特黄变换），美国航天航空局黄鳄教授发明的，大概的过程是：先对信号进行经验模态分解（Empiricalmodedecomposition－EMD），得出本征模态函数（IMFintrinsicmodefunction），再对本征模态函数进行希尔伯特变换，从而过进一步得该信号的希尔伯特谱、时频能量谱等，以便对信号进行分析，据介绍对非线性及非平稳信号有较好的分析和处理效果。
2024/5/10 12:05:41
995KB
1
优秀论文及配套源码。
Hilbert-Huang变换(HHT)是一种新的非平稳信号处理技术，该方法由经验模态分解(EMD)与Hilbert谱分析两部分组成。
任意的非平稳信号首先经过EMD方法处理后被分解为一系列具有不同特征尺度的数据序列，每一个序列称为一个固有模态函数(IMF)，然后对每个IMF分量进行Hilbert谱分析得到相应分量的Hilbert谱，汇总所有Hilbert谱就得到了原信号的谱图。
该方法从本质上讲是对非平稳信号进行平稳化处理，将信号中真实存在的不同尺度波动或趋势逐级分解出来，最终用瞬时频率和能量来表征原信号的频率含量。
本文研究了基于HHT的暂态电能质量扰动检测方法，介绍了HHT的基本原理和利用HHT检测电能质量多扰动信号的实现方法。
仿真试验表明该方法可以实时检测扰动的起止时刻，持续时间和扰动幅度，适用于电能质量多扰动的监测和辨识系统。
Hilbert-Huang变换(HHT)是一种新的非平稳信号处理技术，该方法由经验模态分解(EMD)与Hilbert谱分析两部分组成。
任意的非平稳信号首先经过EMD方法处理后被分解为一系列具有不同特征尺度的数据序列，每一个序列称为一个固有模态函数(IMF)，然后对每个IMF分量进行Hilbert谱分析得到相应分量的Hilbert谱，汇总所有Hilbert谱就得到了原信号的谱图。
该方法从本质上讲是对非平稳信号进行平稳化处理，将信号中真实存在的不同尺度波动或趋势逐级分解出来，最终用瞬时频率和能量来表征原信号的频率含量。
本文研究了基于HHT的暂态电能质量扰动检测方法，介绍了HHT的基本原理和利用HHT检测电能质量多扰动信号的实现方法。
仿真试验表明该方法可以实时检测扰动的起止时刻，持续时间和扰动幅度，适用于电能质量多扰动的监测和辨识系统。
2024/4/24 17:22:28
314KB
1
廖桂生的阵列信号处理ppt讲义第一章：绪论第二章：数学基础第三章：空域滤波原理及算法第四章：部分自适应处理技术第五章：阵列信号的高分辨处理第六章：相干信源的高分辨处理第七章：最大似然与加权子空间拟合方法估计信号源方向第八章：基于高阶统计量和循环非平稳阵列信号处理简介
2024/3/28 21:36:30
5.12MB
1
kkphoon文章给出了基于K-L展开的非高斯非平稳随机过程模拟（kkphoon的该篇文章在matlab中的实现可在我另一份上传资源里找到，对于协方差函数的特征函数与特征值的数值解，另一份资源中也将给出）
2024/1/21 22:02:19
356KB
1
小波变换系数等值线图时间序列（TimeSeries）是地学研究中经常遇到的问题。
在时间序列研究中，时域和频域是常用的两种基本形式。
其中，时域分析具有时间定位能力，但无法得到关于时间序列变化的更多信息；
频域分析（如Fourier变换）虽具有准确的频率定位功能，但仅适合平稳时间序列分析。
然而，地学中许多现象（如河川径流、地震波、暴雨、洪水等）随时间的变化往往受到多种因素的综合影响，大都属于非平稳序列，它们不但具有趋势性、周期性等特征，还存在随机性、突变性以及“多时间尺度”结构，具有多层次演变规律。
对于这类非平稳时间序列的研究，通常需要某一频段对应的时间信息，或某一时段的频域信息。
显然，时域分析和频域分析对此均无能为力。
在时间序列研究中，时域和频域是常用的两种基本形式。
其中，时域分析具有时间定位能力，但无法得到关于时间序列变化的更多信息；
频域分析（如Fourier变换）虽具有准确的频率定位功能，但仅适合平稳时间序列分析。
然而，地学中许多现象（如河川径流、地震波、暴雨、洪水等）随时间的变化往往受到多种因素的综合影响，大都属于非平稳序列，它们不但具有趋势性、周期性等特征，还存在随机性、突变性以及“多时间尺度”结构，具有多层次演变规律。
对于这类非平稳时间序列的研究，通常需要某一频段对应的时间信息，或某一时段的频域信息。
显然，时域分析和频域分析对此均无能为力。
2023/12/18 21:16:17
530KB
1
经验模态分解emd,是处理非线性、非平稳信号的时频分析方法。
该方法可以在不需要知道任何先验知识的情况下，依据输入信号自身的特点，自适应的将信号分解成若干个本征模态函数IMF之和。
emd被认为是对以线性和平稳假设为基础的傅立叶分析和小波变换等传统时频分析方法的重大突破口。
该方法在多年的发展过程中，逐渐展露出了在非平稳信号处理中的独特优势，具有重要的理论研究价值和广阔的应用前景。
目前，emd在机械故障诊断、特征提取、信息检测、生物医学信号分析、图像信号分析、通讯雷达信号分析等领域，都其有很大的应用价值。
本代码是emd算法在matlab上的实现。
有待同行改进。
该方法可以在不需要知道任何先验知识的情况下，依据输入信号自身的特点，自适应的将信号分解成若干个本征模态函数IMF之和。
emd被认为是对以线性和平稳假设为基础的傅立叶分析和小波变换等传统时频分析方法的重大突破口。
该方法在多年的发展过程中，逐渐展露出了在非平稳信号处理中的独特优势，具有重要的理论研究价值和广阔的应用前景。
目前，emd在机械故障诊断、特征提取、信息检测、生物医学信号分析、图像信号分析、通讯雷达信号分析等领域，都其有很大的应用价值。
本代码是emd算法在matlab上的实现。
有待同行改进。
2023/10/12 21:55:02
246KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB