机器学习：二维EMD分解提高PCA掌纹识别率

【机器感知与模式识别】基于EMD和模极大值的造影图像血管提取编辑部

针对转子不平衡故障和滚动轴承微弱损伤性故障的复合故障诊断问题,提出了一种基于经验模式分解的故障诊断方法,进行复合故障的耦合特征分离和轴承损伤性故障信号特征提取研究.该方法首先通过经验模式分解将复合信号分解为若干个本征模函数(intrinsic mode function,IMF);然后通过计算各IMF与原始复合信号的相关系数确定包含故障特征信息的主要成分,除去虚假分量;最后针对主要成分中的低频成分进行频谱分析提出转子故障特征,针对主要成分中的高频成分进行Hilbert包络解调提取调制故障特征,即轴承损伤性故障特征.仿真及实验结果表明该方法的有效性和实用性

介绍现代信号处理技术的基本原理和工程实用技术。阐述平稳和非平稳信号的特点，信号数学变换的本质，信号正交分解的物理意义和工程背景。内容包括信号的时域分析、频域分析、循环平稳信号分析、时频分析、小波变换及第二代小波变换、经验模式分解等。列举了所介绍的方法和技术在工矿企业中机电设备动态分析与监测诊断方面的应用实例。本书取材先进，实用性强，适合作为高等院校机械工程、仪器仪表和能源动力等专业的研究生、高年级本科生的教材或参考书，也可供从事机电设备动态分析、状态监测、故障诊断、设备管理与维修的广大科技人员使用和参考。 第一章 绪论 第二章 信号的时域分析 第三章 信号的频域分析 第四章 循环平稳信号分析 第五章 非平稳信号处理方法 第六章 连续小波变换及其工程应用 第七章 基于第二代小波变换的信号处理 第八章 基于EMD的时频分析方法及其应用