.png){kind=icon}
返回
Empirical Blaschke Mode decomposition: Algorithm and application
.png){kind=icon}
PRE
AI
DOI：10.1371/journal.pone.0346738.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
周期脉冲成分在生物医学和航空航天工程等领域的复杂信号中普遍存在，其精确提取对监测至关重要。我们提出了一种新颖方法——经验Blaschke模态分解（EBMD），该方法利用Blaschke变换捕获准周期特征，并采用单峰预分段策略定义相关频带。群稀疏滤波器组将信号分解为基础模态，提取周期脉冲特征。为防止过分解，采用周期频率相似性融合策略将模态整合为特征模态函数。EBMD通过仿真以及在机械振动特征提取、EEG去噪和ECG信号分离中的应用进行了验证，展示了其分离信号、提取特征和降噪的能力。
期刊
IF:
2.6
论文数:
2.6W
被引数:
81.6W
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏分享收藏
查看更多内容