集合经验模态分解在陕西降水多尺度分析中的应用
【国家自然科学基金】_降水集中期_基金支持热词逐年推荐_【万方软件创新助手】_20140803
科研热词 推荐指数 降水集中期 2 降水集中度 2 降水 2 时空变化 2 黄土高原 1 高原山地 1 集中期 1 集中度 1 降水集中期(pcp) 1 降水集中度(pcd) 1 降水量 1 西太平洋副热带高压 1 西北地区东部 1 突变分析 1 空间分布模态及时间系数 1 环流 1 淮河流域 1 淠河流域 1 汛期降水量 1 气候变化 1 旱涝 1 年降水 1 宁夏 1 夏季风 1 华南前汛期 1 六安市 1 reof分析 1 mann-kendall检验 1 5~9月可利用降水 1
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年 序号 1 2 3 4 5
科研热词 集中期 径流 年内分配 塔里木盆地 不均匀系数
推荐指数 1 1 1 1 1
2010年 序号 1 2 3 4 5 6 7 8 9 10 11
ቤተ መጻሕፍቲ ባይዱ
科研热词 集中期 集中度 降水集中期 降水集中度 长江流域 趋势系数 时空分布 年降水 小波分析 合成分析 变差系数
2008年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
科研热词 非均匀性 降水 长江中下游 趋势分析 西北地区东部 窟野河流域 河川径流 模拟 梅雨 断流成因 拉尼娜事件 年内分配 小波分解 太阳活动 多尺度振荡 夏季极端降水 夏季 厄尔尼诺事件 区域气候模式
推荐指数 3 3 3 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2014年 序号 1 2 3 4 5 6
2014年 科研热词 集中期 集中度 降水 艾比湖流域博尔塔拉河 径流 变异系数 推荐指数 1 1 1 1 1 1
利用作物生长模型和时序信号甄别水稻镉胁迫
第37卷第4期农业工程学报 V ol.37 No.42021年2月Transactions of the Chinese Society of Agricultural Engineering Feb. 2021 249 利用作物生长模型和时序信号甄别水稻镉胁迫孔丽，刘美玲※，刘湘南，邹信裕（中国地质大学（北京）信息工程学院，北京 100083）摘要：在自然农田生态系统中，农作物的生长通常受到各类环境胁迫（如重金属胁迫、病虫害、水分、营养）的影响，如何区分重金属胁迫与其他胁迫有待进一步研究。
该研究选取了湖南省株洲为试验区，收集2017—2019年的Sentinel-2卫星影像数据，结合野外实测数据，开展水稻重金属镉（Cd）胁迫识别研究。
首先，利用作物生长模型World Food Studies （WOFOST）同化时序遥感数据获取每年的叶面积指数（Leaf Area Index，LAI）时间序列曲线；然后运用集合经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）方法对LAI时间序列进行多尺度分解，得到不同的时序信号分量（Intrinsic Mode Function，IMF）；最后使用动态时间规整（Dynamic Time Warping，DTW）方法计算受胁迫水稻分解后的时间序列与健康水稻分解后的时间序列之间的DTW距离，即归一化胁迫指数。
结果表明：归一化胁迫指数是水稻重金属胁迫敏感的参数，与土壤重金属含量的相关系数为0.851，水稻受到的胁迫程度越高，归一化胁迫指数值越大，反之越低；在试验区中，水稻重度重金属胁迫的分布面积比例相对较低，且主要集中在西部、东北部以及偏东南地区。
融合集合经验模态分解和动态时间规整方法能有效地甄别并定量分析水稻重金属胁迫状况，从而为作物重金属污染胁迫监测提供重要参考。
关键词：遥感；模型；重金属；镉胁迫；时序信号分解；WOFOSTdoi：10.11975/j.issn.1002-6819.2021.04.030中图分类号：S127 文献标志码：A 文章编号：1002-6819(2021)-04-0249-08孔丽，刘美玲，刘湘南，等. 利用作物生长模型和时序信号甄别水稻镉胁迫[J]. 农业工程学报，2021，37(4)：249-256.doi：10.11975/j.issn.1002-6819.2021.04.030 Kong Li, Liu Meiling, Liu Xiangnan, et al. Identifying heavy metal (Cd) stress in rice using time-series signals and crop growth model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(4): 249-256. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.04.030 0 引 言随着经济的不断发展，工业化不断推进，土壤重金属污染成为当今世界面临的重大生态环境问题之一[1]。
经验模态分解在信号处理中的应用
经验模态分解在信号处理中的应用经验模态分解(Empirical Mode Decomposition, EMD)是一种非线性自适应的信号分解方法，具有在信号处理中广泛的应用。
它的原理是将复杂的信号分解为各种本征模态函数(Intrinsic Mode Functions, IMF)，每个IMF代表了不同的频率和振幅信息，从而实现对信号的时频分析。
本文将介绍经验模态分解在信号处理中的应用，并探讨其优点和局限性。
一、经验模态分解的基本原理经验模态分解的基本原理是将信号分解为一组本征模态函数的和，其中每个本征模态函数都满足以下两个条件：1. 在整个信号长度范围内都能表现出来；2. 其均值为零。
具体的分解过程如下：1. 对给定的信号进行极值点的查找，并通过插值法得到上下包络；2. 将上下包络的平均值与原信号相减，得到一条称为细节的信号；3. 对细节信号进行重复步骤1和2，直到满足本征模态函数的条件为止。
二、经验模态分解的应用1. 时频分析经验模态分解能够将信号分解为不同频率的成分，从而实现对信号的时频分析。
通过对每个本征模态函数的振幅和频率的分析，可以得到信号的时变特征，进而有助于理解信号的本质和提取感兴趣的信息。
2. 降噪经验模态分解具有良好的去除噪声的效果。
由于每个本征模态函数都代表了一定频率范围内的信号成分，因此可以通过去除高频IMF来减少信号中的高频噪声，从而提高信号的清晰度和可读性。
3. 信号分析经验模态分解可用于信号的分析和挖掘，例如振动信号的故障诊断、语音信号的语调分析等。
通过对信号中的各个本征模态函数进行分析，可以获得信号在不同频率范围内的特征，并进一步实现对信号的分类和识别。
4. 图像处理经验模态分解在图像处理中也有广泛的应用。
通过将图像的行和列分别进行经验模态分解，可以将图像分解为一组本征模态函数，并对每个本征模态函数进行分析和处理。
这种方法在图像去噪、图像增强和特征提取等方面具有较好的效果。
基于EEMD-PE的ADS-B信号降噪研究
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００３－３１０６．２０２３．０７．０３０引用格式：段煜，郑超，郗厚山，等．基于ＥＥＭＤ ＰＥ的ＡＤＳ Ｂ信号降噪研究［Ｊ］．无线电工程，２０２３，５３（７）：１７３４－１７４０．［ＤＵＡＮＹｕ，ＺＨＥＮＧＣｈａｏ，ＸＩＨｏｕｓｈａｎ，ｅｔａｌ．ＲｅｓｅａｒｃｈｏｎＡＤＳ ＢＳｉｇｎａｌＮｏｉｓｅＲｅｄｕｃｔｉｏｎＢａｓｅｄｏｎＥＥＭＤ ＰＥ［Ｊ］．ＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ，２０２３，５３（７）：１７３４－１７４０．］基于ＥＥＭＤ ＰＥ的ＡＤＳ Ｂ信号降噪研究段 煜，郑 超，郗厚山，张鉴冲（四川九洲空管科技有限责任公司，四川绵阳６２１０５０）摘 要：自动相关监视广播（ＡｕｔｏｍａｔｉｃＤｅｐｅｎｄｅｎｔＳｕｒｖｅｉｌｌａｎｃｅ Ｂｒｏａｄｃａｓｔ，ＡＤＳ Ｂ）信号在传输过程中经常受到复杂电磁环境、地面杂波等因素的干扰，给其后续的译码带来困难。
结合排列熵（ＰｅｒｍｕｔａｔｉｏｎＥｎｔｒｏｐｙ，ＰＥ）原理，提出一种基于集合经验模态分解（ＥｎｓｅｍｂｌｅＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＥＭＤ）的ＡＤＳ Ｂ信号降噪方法。
利用ＥＥＭＤ将含噪ＡＤＳ Ｂ信号分解得到其各阶本征模态函数（ＩｎｔｒｉｎｓｉｃＭｏｄｅＦｕｎｃｔｉｏｎ，ＩＭＦ），计算各阶ＩＭＦ的排列熵，通过排列熵的相对大小筛选出被噪声污染较高的ＩＭＦ并将其剔除，利用剩余的ＩＭＦ重构ＡＤＳ Ｂ信号，以达到降噪的目的。
实验结果表明，该方法可以有效提高ＡＤＳ Ｂ信号的信噪比（Ｓｉｇｎａｌ ｔｏ ＮｏｉｓｅＲａｔｉｏ，ＳＮＲ）。
关键词：自动相关监视广播；集合经验模态分解；排列熵；降噪中图分类号：ＴＮ９１４文献标志码：Ａ开放科学（资源服务）标识码（ＯＳＩＤ）：文章编号：１００３－３１０６（２０２３）０７－１７３４－０７ＲｅｓｅａｒｃｈｏｎＡＤＳ ＢＳｉｇｎａｌＮｏｉｓｅＲｅｄｕｃｔｉｏｎＢａｓｅｄｏｎＥＥＭＤ ＰＥＤＵＡＮＹｕ，ＺＨＥＮＧＣｈａｏ，ＸＩＨｏｕｓｈａｎ，ＺＨＡＮＧＪｉａｎｃｈｏｎｇ（ＳｉｃｈｕａｎＪｉｕｚｈｏｕＡｉｒＴｒａｆｆｉｃＣｏｎｔｒｏｌＴｅｃｈｎｏｌｏｇｉｅｓＣｏ．，Ｌｔｄ．，Ｍｉａｎｙａｎｇ６２１０５０，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＴｈｅＡｕｔｏｍａｔｉｃＤｅｐａｎｄｅｎｔＳｕｒｖｅｉｌｌａｎｃｅＢｒｏａｄｃａｓｔ（ＡＤＳ Ｂ）ｓｉｇｎａｌｉｓｏｆｔｅｎｉｎｔｅｒｆｅｒｅｄｂｙｔｈｅｃｏｍｐｌｅｘｅｌｅｃｔｒｏｍａｇｎｅｔｉｃｅｎｖｉｒｏｎｍｅｎｔ，ｇｒｏｕｎｄｃｌｕｔｔｅｒａｎｄｏｔｈｅｒｆａｃｔｏｒｓｄｕｒｉｎｇｔｈｅｔｒａｎｓｍｉｓｓｉｏｎｐｒｏｃｅｓｓ，ｗｈｉｃｈｂｒｉｎｇｄｉｆｆｉｃｕｌｔｉｅｓｔｏｉｔｓｓｕｂｓｅｑｕｅｎｔｄｅｃｏｄｉｎｇ．ＣｏｍｂｉｎｅｄｗｉｔｈｔｈｅｐｒｉｎｃｉｐｌｅｏｆＰｅｒｍｕｔａｔｉｏｎＥｎｔｒｏｐｙ（ＰＥ），ａｎＡＤＳ ＢｓｉｇｎａｌｄｅｎｏｉｓｉｎｇｍｅｔｈｏｄｂａｓｅｄｏｎＥｎｓｅｍｂｌｅＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎ（ＥＥＭＤ）ｉｓｐｒｏｐｏｓｅｄ．ＥＥＭＤｉｓｕｓｅｄｔｏｄｅｃｏｍｐｏｓｅｔｈｅｎｏｉｓｙＡＤＳ ＢｓｉｇｎａｌｔｏｏｂｔａｉｎｉｔｓｅａｃｈｏｒｄｅｒＩｎｔｒｉｎｓｉｃＭｏｄｅＦｕｎｃｔｉｏｎ（ＩＭＦ），ｔｈｅｎｔｈｅｐｅｒｍｕｔａｔｉｏｎｅｎｔｒｏｐｙｏｆｅａｃｈｏｒｄｅｒＩＭＦｉｓｃａｌｃｕｌａｔｅｄ，ｔｈｅＩＭＦｓｗｉｔｈｈｉｇｈｎｏｉｓｅｐｏｌｌｕｔｉｏｎａｒｅｆｉｌｔｅｒｅｄｏｕｔｂｙｔｈｅｒｅｌａｔｉｖｅｓｉｚｅｏｆｔｈｅｐｅｒｍｕｔａｔｉｏｎｅｎｔｒｏｐｙａｎｄｔｈｅｎｒｅｍｏｖｅｄ．Ｆｉｎａｌｌｙ，ｔｈｅｒｅｍａｉｎｉｎｇＩＭＦｓａｒｅｕｓｅｄｔｏｒｅｃｏｎｓｔｒｕｃｔｔｈｅＡＤＳ Ｂｓｉｇｎａｌｔｏａｃｈｉｅｖｅｔｈｅｐｕｒｐｏｓｅｏｆｎｏｉｓｅｒｅｄｕｃｔｉｏｎ．ＴｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄｃａｎｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｔｈｅＳｉｇｎａｌ ｔｏ ＮｏｉｓｅＲａｔｉｏ（ＳＮＲ）ｏｆＡＤＳ Ｂｓｉｇｎａｌｓ．Ｋｅｙｗｏｒｄｓ：ＡＤＳ Ｂ；ＥＥＭＤ；ｐｅｒｍｕｔａｔｉｏｎｅｎｔｒｏｐｙ；ｄｅｎｏｉｓｉｎｇ收稿日期：２０２２－１０－２１０ 引言自动相关监视广播（ＡｕｔｏｍａｔｉｃＤｅｐｅｎｄｅｎｔＳｕｒｖｅｉｌｌａｎｃｅ Ｂｒｏａｄｃａｓｔ，ＡＤＳ Ｂ）是民航空管监视系统的一项关键技术，在多目标跟踪［１］、改进低空空域监视和目标防护［２］、无人机飞行管理［３］、改进机场场面监视［４］和增加航空安全性［５］等方面发挥着重要作用。
多尺度熵方法在机械故障诊断中的应用研究进展
文章编号：1671-7872(2024)01-0046-12郑近德，博士，教授，博士生导师，曾入选安徽省领军人才特聘教授、安徽省学术与技术带头人后备人选、安徽省青年皖江学者，目前担任中国振动工程学会故障诊断分会与动态测试分会与理事、安徽省振动工程学会理事、《振动与冲击》编委。
主要研究领域为动态信号处理、设备健康监测、故障诊断与智能运维等，近5年主持国家自然科学基金项目2项，安徽省教育厅杰青等课题7项；以第一作者或通信作者发表论文88篇，授权发明专利5项，出版学术专著1部。
2020—2023连续4年入选美国斯坦福大学发布的全球前2%顶尖科学家榜单。
荣获安徽省自然科学奖二等奖(R1)、安徽省科技进步二等奖(R6)和中国振动工程学会科技进步奖各1项(R1)。
潘海洋，博士，副教授，硕士生导师，研究领域包括模式识别、设备状态监测与故障诊断等，主持安徽省自然科学基金、安徽高校自然科学研究重点项目等8项，以第一作者或通信作者在国内外期刊发表SCI、EI论文52篇，参编机器学习与故障诊断方向学术专著2部，入选美国斯坦福大学发布的2022年度全球前2%顶尖科学家榜单。
刘庆运，博士，教授，博士生导师，现任安徽工业大学机械工程学院院长，曾任华东地区机械原理教学指导委员会理事、安徽省机械原理与机械设计研究会副理事长等。
主要研究领域为机器人设计与控制、设备智能运维等，主持国家重点研发计划子课题、国家技术创新工程试点安徽省专项资金项目子课题、安徽省科技重大专项计划等10余项，获安徽省科学技术一等奖和二等奖各1次、江苏省教育厅二等奖1次、安徽省科技成果1项、安徽省教育厅一等奖和二等奖各1次。
多尺度熵方法在机械故障诊断中的应用研究进展郑近德，姚殷柔，潘海洋，童靳于，刘庆运(安徽工业大学 机械工程学院, 安徽 马鞍山 243032)摘要：机械设备状态监测与故障诊断的关键是故障特征的表征与提取，采用基于熵及相关方法建立的非线性动力学指标能够提取蕴藏在振动信号中的非线性故障特征信息。
经验模态分解法在地下水资料处理中的应用
变化 形式 出现 。 以往 的震 例 研 究 中 ， 对地 下 流 体 短
临异 常 的研 究 较多 ， 近年来 ， 趋势 性异 常变 化逐渐 受
道 维纳滤 波 、 卡尔 曼滤 波 、 波 分 析 等 一 系列 方 法 ， 小
均取 得 了较 好 的效 果 。 目前 国 内地 下 流 体 各 类
经 验 模 态 分 解 法 在 地 下 水 资 料 处 理 中 的 应 用
孙 小 龙 刘耀 炜 晏
１０４ ００５
， ） 国地 震 局 地 壳 应 力 研 究 所 ， 京 １中 北
＼） ２ 中国地震 台网中心 ， 北京
摘 要 利用经验模态分解法（Ｍ ） Ｅ Ｄ 对地震地下流体观测资料中典型干扰信号的处理及趋势性变化的提取 ， 结
ｉ ｔ ｉｇ ｆｌ ｒｎ ｅ
１ 引 言
地震 地下 流体前 兆异 常可分 为 中长期 异常 和短 临异 常 ¨ 。短 临 异 常 在 观 测 数 据 中 多 以 短期 的 高 Ｊ
频信 息形 式 出现 ， 中长 期 异 常多 以低 频 的趋 势 性 而
扰 因素较 多 ， 从原 始 曲线 很难 判 断 出真 正 的前 兆 仅
处理方法中， 除小波分析法外全部为单标度分析 ， 但 客观 上流体 观测 资 料 的 变化 是 多 尺度 的 ， 既有 年 变 动态 、 又有 月变 和 日变 ， 还有 不少 短期 的低频 信息 干
基于ＩＣＥＥＭＤＡＮ-ＬＳＴＭ-ＢＮＮ的短期光伏发电功率概率预测
第４３卷 第３期２０２３年５月西安科技大学学报ＪＯＵＲＮＡＬＯＦＸＩ’ＡＮＵＮＩＶＥＲＳＩＴＹＯＦＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹＶｏｌ．４３ Ｎｏ ３Ｍａｙ２０２３王清亮，代一凡，王旭东，等．基于ＩＣＥＥＭＤＡＮ ＬＳＴＭ ＢＮＮ的短期光伏发电功率概率预测［Ｊ］．西安科技大学学报，２０２３，４３（３）：５９３－６０２．ＷＡＮＧＱｉｎｇｌｉａｎｇ，ＤＡＩＹｉｆａｎ，ＷＡＮＧＸｕｄｏｎｇ，ｅｔａｌ．Ｐｒｏｂａｂｉｌｉｓｔｉｃｐｒｅｄｉｃｔｉｏｎｏｆｓｈｏｒｔ ｔｅｒｍｐｈｏｔｏｖｏｌｔａｉｃｐｏｗｅｒｂａｓｅｄｏｎＩＣＥＥＭＤＡＮ ＬＳＴＭ ＢＮＮ［Ｊ］．ＪｏｕｒｎａｌｏｆＸｉ’ａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０２３，４３（３）：５９３－６０２．收稿日期：２０２２－１２－２５基金项目：国家自然科学基金项目（５１８０４２５０）；陕西省科技计划项目（２０２１ＪＱ－５７２）通信作者：王清亮，女，山西永济人，博士，教授，Ｅ ｍａｉｌ：７３８４２３４０３＠ｑｑ．ｃｏｍ基于ＩＣＥＥＭＤＡＮ ＬＳＴＭ ＢＮＮ的短期光伏发电功率概率预测王清亮，代一凡，王旭东，郝 帅（西安科技大学电气与控制工程学院，陕西西安７１００５４）摘 要：针对短期光伏发电功率建立精准概率预测模型是提高电网安全稳定运行的重要手段。
为了提高非晴空条件下光伏发电功率预测的精度和稳定性，选用具有优良正则化特性的贝叶斯神经网络模型作为基础算法。
首先通过改进自适应噪声完备集合经验模态分解方法对多尺度多模态变化气象数据进行平稳化处理，简化映射关系建立步骤；其次引入长短期记忆神经网络来增强模型对光伏发电功率随机波动性和时序性的有效捕捉；进而结合各项算法提出基于ＩＣＥＥＭＤＡＮ ＬＳＴＭ ＢＮＮ的短期光伏发电功率概率预测方法；最后以宁夏太阳山光伏电站实测数据为测试对象，对非晴空条件下的光伏发电功率进行预测，所提模型较之传统算法在非晴空条件下点预测和概率预测效果均显著改善，充分验证所提方法的有效性和可靠性。
ceemdan自适应噪声集合经验模态分解
ceemdan自适应噪声集合经验模态分解
CEEMDAN自适应噪声集合经验模态分解是一种最近提出的信号处理
方法，具有较高的抗噪能力和更好的分解效果。
它主要是解决了EMD 分解过程中存在的模态混叠、较弱的噪声抑制等问题。
该方法的核心就是利用自适应的噪声集合来对信号进行分解。
噪声集
合是指一组随机信号，可以通过对输入信号添加不同的噪声集合来提
高分解的效果。
在CEEMDAN中，噪声集合是动态生成的，这意味着它可以根据输入信号的特性进行自适应的选择。
通过这种方法，CEEMDAN可以有效抑制噪声，同时提高信号的分解精度。
与传统的经验模态分解(EMD)相比，CEEMDAN更加灵活、高效。
在EMD中，信号分解的结果受噪声、拐点等干扰因素的影响，容易产生模态混叠、剪切等问题。
而CEEMDAN通过自适应的噪声集合选择，可以有效地对这些干扰因素进行抑制，从而得到更加准确的分解结果。
另外，CEEMDAN还可用于多尺度分析。
它可以将信号分解成多层结构，每一层的分解结果都蕴含有不同的时间尺度信息，从而更好地分
析信号的变化规律。
在实际应用中，CEEMDAN已经得到了广泛的应用，特别是在信号处
理、图像处理、语音识别等领域。
例如，它可以用于去除语音信号中的噪声，提高语音识别的准确度；可以用于分析医学图像中的信号，研究疾病的发展规律等。
总之，CEEMDAN自适应噪声集合经验模态分解是一种新型的信号处理方法，具有抗噪性能强、分解效果好、多尺度分析等特点，在多个领域都有着广泛的应用前景。
多尺度形态滤波模态混叠抑制方法
多尺度形态滤波模态混叠抑制方法曹莹;段玉波;刘继承;侯永强;张雪松【摘要】针对Hilbert-Huang变换（ HHT）中存在的模态混叠现象，依据数学形态学理论，提出多尺度平均组合形态滤波方法，并构建了多尺度平均组合形态滤波器对原始振动信号进行降噪预处理，以实现对模态混叠的抑制。
并以滚动轴承的振动信号为原始数据进行故障特征频率提取实验，将所提方法与集合经验模态分解（ EEMD）方法对模态混叠的抑制效果进行对比。
结果表明，所提的多尺度平均组合形态滤波方法耗时仅为 EEMD 的1／10，且特征频率提取的误差率比 EEMD 低0．16％。
最后，将多尺度平均组合形态滤波与HHT相结合进行滚动轴承故障特征提取的现场试验，特征频率提取结果与理论值的误差率为0．26％。
%In view of the mode mixing phenomenon existing in Hilbert-Huang Transform,the multi-scale average combining morphological filtering method was proposed based on the mathematical morphology theory.In order to suppress mode mixing,the corresponding filter was constructed for noise reduction pre-treatment of the original vibration signal.The vibration signal of rolling bearing was used as the original data for the fault feature frequency extraction experiment,and both the proposed method and Ensemble Empirical Mode Decomposition were used in it for mode mixing suppression.The comparison results show that the proposed method time consuming is only 1/10 of EEMD,and the error rate for feature frequency extraction is 0.16%lower than that of stly,The combination of multi scale average morphologi-cal filtering and HHT was applied to field test for fault feature extraction of rollingpared with theoretical value,the error rate of practical result is 0.26%.【期刊名称】《电机与控制学报》【年(卷),期】2016(020)009【总页数】7页(P110-116)【关键词】Hilbert-Huang变换;模态混叠;多尺度形态滤波;集合经验模态分解;特征提取【作者】曹莹;段玉波;刘继承;侯永强;张雪松【作者单位】东北石油大学电气信息工程学院，黑龙江大庆163318;东北石油大学电气信息工程学院，黑龙江大庆163318;东北石油大学电气信息工程学院，黑龙江大庆163318;东北石油大学机械科学与工程学院，黑龙江大庆163318;东北石油大学机械科学与工程学院，黑龙江大庆163318【正文语种】中文【中图分类】TH165在工程实际中，机械设备故障信号大多表现为非平稳、非线性的特征，尤其对于旋转机械而言，在生产运行中，其振动信号是混在强噪声环境下的非平稳随机信号，传统的Fourier变换无法满足对此类信号的分析需求。
1951—2016年沈阳气温和降水的多尺度分析
1951—2016年沈阳气温和降水的多尺度分析徐迪;黄海亮;潘晓【摘要】应用集合经验模态分解(EEMD)方法,对1951-2016年沈阳年平均气温和年降水量序列进行多尺度分析,并结合功率谱分析了两要素主要本征模态函数(IMF)分量的周期变化特征.在此基础上,进行了序列重建与对比.结果表明:近66 a来,沈阳年平均气温的变化主要由第1、第2高频分量和趋势项的振荡造成,分别反映了准5 a和准7 a的周期变化以及长期的缓慢增温过程;准14 a的年代际振荡第3分量对沈阳年平均气温变化的作用也不可忽视,而反映更长时间尺度的第4和第5分量在1980年代后与趋势项的变化特征基本一致,表明1980年代后沈阳明显增暖.年降水量的变化主要由第1、第2分量的年际振荡造成,振荡周期分别为准3 a和准5 a,而趋势项则呈现出准64 a的周期变化,总体反映出年降水量在1980年代前后呈现先减后增的变化趋势.与年平均气温序列相比,年降水序列的年代际尺度变化和长期趋势变化的贡献明显偏小.【期刊名称】《干旱气象》【年(卷),期】2019(037)002【总页数】9页(P262-269,276)【关键词】气温;降水;EEMD;功率谱;沈阳【作者】徐迪;黄海亮;潘晓【作者单位】中国气象局沈阳大气环境研究所,辽宁沈阳 110166;辽宁省气象灾害监测预警中心,辽宁沈阳 110166;辽宁省气象灾害监测预警中心,辽宁沈阳 110166;中国气象局沈阳大气环境研究所,辽宁沈阳 110166【正文语种】中文【中图分类】P467引言在全球变暖背景下，20世纪末期以来我国极端气候事件发生频繁。
据统计，20世纪90年代中期以来，我国每年因气象灾害造成的经济损失约2000多亿元[1]。
我国东北地区是干旱[2-4]、暴雪和寒潮天气频发的区域，是气候变化的敏感区和脆弱区[5]。
沈阳市位于我国东北地区南部，辽宁省中部，是东北地区的政治、经济、文化中心，气候异常频率较高，给当地的生产生活及生态环境建设和经济发展造成严重影响。