基于EP-CEEMDAN算法的非平穩(wěn)振動信號時頻分析

摘要： 針對經驗模態(tài)分解(Empirical Mode Decomposition, EMD)固有的模態(tài)混淆及集合經驗模態(tài)分解(Ensemble Empirical Mode Decomposition, EEMD)能在一定程度上抑制模態(tài)混淆但由于添加的白噪聲無法完全中和，原始信號的完備性無法保證。同時二者均無法免除端點效應的干擾，模態(tài)混淆和端點效應導致EMD和EEMD希爾伯特變換得到... （共7頁）