matlab实现VMD去噪、SVD去噪,源代码详解

matlab VMD分解详解 VMD(变分模态分解)是一种全新的信号分解方法,可以将信号分解成多个模态分量,每个模态分量代表着信号中不同的振动模式。总之,VMD分解是一种非常实用的信号分解方法,能够帮助我们理解信号中不同的振动分量,并进一步分析其特征和应用价值。值得注意的是,不同的分解结果可能会导致不同的分析结果,因此需要进行多次分解并分析平均结果。下面的代码将计算分解后的各个 VMD 分量的功率谱,并计算各个分量的带宽范围的中心位置。但是,在进行分解之前,需要将需要分析的信号加载到MATLAB工作区,并创建VMD对象。 阅读详情

为了更好的利用MATLAB自带的vmd、svd函数,本期作者将详细讲解一下MATLAB自带的这两个分解函数如何使用,以及如何画漂亮的模态分解图。

VMD函数用法详解

首先给出官方vmd函数的调用格式。

[imf,residual,info] = vmd(x)

函数的输入:

这里的x是待分解的信号,一行或者一列都可以!

函数的输出:

第一个参数位置--imf:vmd分解得到的IMF分量。

第二个参数位置--residual:残余分量,残差表示原始信号x中未被vmd分解的部分。

第三个参数位置--info,是一个结构体,包含以下信息:

ExitFlag——终止标志。值0表示算法在达到最大迭代次数时停止。值为1表示算法在满足绝对和相对公差时停止。

CentralFrequencies——IMF的中心频率。

NumIterations——迭代总数。

AbsoluteImprovement——在最后两次迭代之间,IMF收敛的均方绝对改进。

RelativeImprovement——在最后两次迭代之间,IMF收敛的平均相对改进。

LagrangeMultiplier ——上一次迭代时的频域拉格朗日乘数。

示例:

以西储大学轴承故障的105.mat为例,进行vmd分解展示。代码如下:

clcclearfs=12000;%采样频率Ts=1/fs;%采样周期L=2000;%采样点数t=(0:L-1)*Ts;%时间序列%----------------导入内圈故障的数据-----------------------------------------load 105.matX = X105_DE_time(1:L); %这里可以选取DE(驱动端加速度)、FE(风扇端加速度)、BA(基座加速度),直接更改变量名,挑选一种即可。[imf,residual,info] = vmd(X);figure(1);[p,q] = ndgrid(t,1:size(imf,2));plot3(p,q,imf)grid onxlabel('Time Values')ylabel('Mode Number')zlabel('Mode Amplitude')

选取105.mat的2000个采样点,进行分解,结果图如下所示:

还可以指定vmd的模态分解数和惩罚因子:

[imf,residual,info] = vmd(X,'NumIMF',6,'PenaltyFactor',2500,')

可以看到,模态分解数变成了6个。

当分解模态数较多的时候,还可以这样画图:

clcclearfs=12000;%采样频率Ts=1/fs;%采样周期L=2000;%采样点数t=(0:L-1)*Ts;%时间序列%----------------导入内圈故障的数据-----------------------------------------load 105.matX = X105_DE_time(1:L); %这里可以选取DE(驱动端加速度)、FE(风扇端加速度)、BA(基座加速度),直接更改变量名,挑选一种即可。[imf,residual] = vmd(X,'NumIMF',9);t1 = tiledlayout(3,3,TileSpacing="compact",Padding="compact");for n = 1:9    ax(n) = nexttile(t1);    plot(t,imf(:,n)')    xlim([t(1) t(end)])    txt = ["IMF",num2str(n)];    title(txt)    xlabel("Time (s)")endtitle(t1,"Variational Mode Decomposition")

结果如下:

VMD去噪

对分解的信号去除残余分量,然后进行重构,即为去噪,代码如下:

cleanX = sum(imf(:,2:8),2);figureplot(t,X,t,cleanX)legend("Original X","Clean X")xlabel("Time (s)")ylabel("Signal")

这里选用IMF2-IMF8进行相加,丢弃了IMF1和IMF9。为什么要这么做呢,以下MATLAB官方文档给出的解释:

第一种模式包含最多的噪声,第二种模式是以重要特征的频率振荡。通过对除第一个和最后一个VMD模式之外的所有模式求和来构建干净的X信号,从而丢弃低频基线振荡和大部分高频噪声。

结果如下:

105.mat下载地址:https://pan.baidu.com/s/1UX0dgLrW6SpjPFhML-OQeQ?pwd=puz2 


SVD去噪

SVD就是常见的奇异值分解,也算是一个古老的分解方法了。MATLAB官方关于svd的调用方法如下:

[U,S,V]=svd(A)

参数说明:A:要进行SVD分解的矩阵,且A不必为方阵。

U、S、V为返回的SVD分解的结果:

  • U:A的奇异向量组成的矩阵,AA’的正交单位特征向量组成U;

  • S:对角矩阵,对角元素是A的奇异值,非负且按降序排列;

  • V:A的奇异向量组成的矩阵,A’A的正交单位特征向量组成V。

SVD去噪:同样以105.mat为例:

clearclcload 105.matL=2000; %采样点数y = X105_DE_time(1:L); %这里可以选取DE(驱动端加速度)、FE(风扇端加速度)、BA(基座加速度),直接更改变量名,挑选一种即可。n=40;%=============================%==== 奇异值分解 ====for i=1:L/2+1t=i:i+L/2-1;for j=1:L/2A(j,i)=y(t(j)); %把一维信号重构为矩阵做奇异值分解endend[U,S,V] = svd(A);%=============================%==== 重构信号 =====X=zeros(size(A));for i=1:n  %选取前n个大奇异值X=X+U(:,i)*S(i,i)*V(:,i)';endJG=zeros(1,L);for i=1:La=0;m=0;for j1=1:L/2for j2=1:L/2+1if i+1==j1+j2a=a+X(j1,j2); %把矩阵重构回一维信号m=m+1;endendendJG(i)=a/m;end% JG(L/2+1:end)=X(:,end);figurefs=12000;%采样频率Ts=1/fs;%采样周期L=2000;%采样点数t=(0:L-1)*Ts;%时间序列plot(t,y,t,JG)legend("Original X","Clean X")xlabel("Time (s)")ylabel("Signal")title('奇异值降噪信号','FontSize',16)%set(gca,’linewidth’,1.5);set(gcf,'color','w')

105.mat下载地址:https://pan.baidu.com/s/1UX0dgLrW6SpjPFhML-OQeQ?pwd=puz2 


获取更多代码:

奇异值分解(SVD)实现简单的图像降噪处理 奇异值(Singular Value)往往对应着矩阵中的隐含的重要信息,且重要性与奇异值大小呈正相关。 关于奇异值的知识,可以参考:机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用 一般来说,较少的奇异值就可以表达一个矩阵很重要的信息,所以我们可以舍掉一部分奇异值来实现压缩。 在图像处理中,奇异值小的部分往往代表着噪声,因此可以借助SVD算法来实现去噪。 选取 阅读详情

相关推荐

类EMD的“信号分解方法”及MATLAB实现(第四篇)——VMD

重头戏来了。 在以往的应用经验里,VMD方法在众多模态分解方法中可以说是非常好的。从催更力度上看,这个方法也是格外受关注。笔者决定加快进度快一些写完这个方法,十月份了有些同学要开始做毕设,希望这篇文能帮上忙。 1. VMD(变分模态分解)的概念 VMD(Variational Mode Decomposition)即变分模态分解,与2014年由Dragomiretskiy[1]等人提出,虽然它也叫模态分解,但是和之前介绍过的EMD、EEMD、CEEMD、CEEMDAN这些模态分解方法在原理上有本质区别

fengzhuqiaoqiu的博客 3万+

VMD分解,matlab代码,包络线,包络谱,中心频率,峭度值,能量熵,样本熵,模糊熵,排列熵,多尺度排列熵,近似熵,包络熵,频谱图,希尔伯特变换,包含所有程序MATLAB代码,-西储大学数据集为例

以西储大学数据为例,进行VMD分解,·并采用matlab代码绘制包络线,包络谱,计算中心频率,峭度值,能量熵,样本熵,模糊熵,排列熵,多尺度排列熵,近似熵,包络熵,希尔伯特变换(包含所有MATLAB代码,一文全部搞定!——西储大学数据集为例)

淘个代码 2万+

基于VMD-SVD的信号去噪算法

基于VMD-SVD的信号去噪过程 (1)首先,输入信号通过VMD进行分解,得到一系列的模态函数IMF。 (2)然后,对每个模态函数分别进行SVD分解。 (3)之后,对于每个IMF的SVD结果,在保留信号主要成分的同时,裁剪掉一些较小的奇异值(即去除噪声成分)。阈值的三种选择方法: ①阈值设为奇异值突变的值:在这种方法中,利用SVD计算出奇异值,然后找出这些奇异值之间突然变化(例如,从较大值突然变为较小值的点,也称为拐点)的位置,那个点可能是信号与噪声的分界点。将此处的数值设定为阈值,用来剔除那些低于此

yuchunyu12的博客 1341

matlab自带VMD详解,VMD去噪,VMD分解

为了更好的利用MATLAB自带的vmd函数,本期作者将详细讲解一下MATLAB自带的vmd函数如何使用,以及如何画漂亮的模态分解图。首先给出官方vmd函数的调用格式。[imf,residual,info]=vmd(x)函数的输入:这里的x是待分解的信号,一行或者一列都可以!函数的输出:第一个参数位置--imf:vmd分解得到的IMF分量。第二个参数位置--residual:残余分量,残差表示原...

淘个代码 2万+

【数字信号去噪】基于matlab中值滤波+奇异值分解(SVD)数字信号降噪【含Matlab源码 1021期】

中值滤波+奇异值分解(SVD)数字信号降噪 完整的代码,方可运行;可提供运行操作视频!适合小白!

订阅付费专栏Matlab(奶茶价版),可赠送奶茶价版付费专栏指定代码1份; 4200

【信号去噪】基于遗传算法优化VMD实现信号去噪附matlab代码

为准确提取轴承故障特征信息,提出以包络熵为综合目标函数的变分模态分解(variational mode decomposition,VMD)参数优化方法,并改进了诊断流程实现了无需指定参数优化范围的自适应参数优化算法.通过遗传算法对综合目标函数最小值进行搜索,以确定模态分量个数及惩罚参数的最佳组合.原始故障信号经最佳参数组合下的VMD方法分解为若干个本征模态函数,选择最小综合目标函数值对应的模态分量进行包络解调分析,进而通过模态分量的包络谱判断轴承故障类型.通过实测故障信号分析表明,该方法能够从噪声干扰中有

qq_59747472的博客 981

matlab实现VMD去噪、SVD去噪,代码详解

为了更好的利用MATLAB自带的vmd、svd函数,本期作者将详细讲解一下MATLAB自带的这两个分解函数如何使用,以及如何画漂亮的模态分解图。VMD详解首先给出官方vmd函数的调用格式。[imf,residual,info]=vmd(x)函数的输入:这里的x是待分解的信号,一行或者一列都可以!函数的输出:第一个参数位置--imf:vmd分解得到的IMF分量。第二个参数位置--residual...

淘个代码 1943

VMD算法matlab函数.zip

最近毕设在做基于VMD的算法,我花了一天时间翻遍了全网,才找到可以不用会员或者充值就能下载而且能用的VMD函数源代码,优快云上都是付费的。省了后续有人做这个的时候再费尽周折,所以知识共享,上传并免费提供下载。

【数字信号去噪】麻雀算法优化VMD信号去噪(目标函数为包络熵局部极小值)【含Matlab源码 2111期】

麻雀算法优化VMD信号去噪(目标函数为包络熵局部极小值) 完整的代码,方可运行;可提供运行操作视频!适合小白!

订阅付费专栏Matlab(奶茶价版)或下载付费资源,可赠送奶茶价版付费专栏指定代码1份; 1719

一文读懂,WMS仓库管理系统模块功能

对于仓库管理人员来说,仓储管理是一件需要十分负责、又精细化的工作。

深蓝易网的博客 5221

AST实战:解密Akamai混淆JS代码的完整流程

本文详细解析了如何使用AST技术解密Akamai混淆的JS代码,包括定位关键代码、AST解混淆实战步骤及常见问题解决方案。通过实际案例演示了从混淆代码到清晰逻辑的完整处理流程,并提供了工具推荐和法律合规建议,帮助开发者有效应对反爬虫技术。

weixin_33725722的博客 326

【信号去噪-VMD】基于黏菌算法优化变分模态分解SMA-VMD实现信号去噪附Matlab代码

变分模态分解(VMD)是一种自适应信号分解方法,它能够将信号分解为一组固有模态函数(IMF)和残差。VMD算法具有良好的时频分辨率,能够有效地提取信号中的有用信息。然而,VMD算法也存在一些问题,例如分解结果容易受到噪声的影响,分解精度不高。为了解决这些问题,本文提出了一种基于黏菌算法优化变分模态分解(SMA-VMD)的信号去噪方法。该方法将黏菌算法应用于VMD算法的参数优化,通过优化VMD算法的参数,提高VMD算法的分解精度和抗噪声能力。

qq_59747472的博客 1312

告别IMEI!手把手教你用UUID实现Android设备唯一标识(兼容Android 10-13)

本文详细探讨了在Android 10及以上版本中,如何构建合规且高可用的设备唯一标识方案以替代被限制访问的IMEI。文章深入分析了Android设备标识符的演变,并提供了基于UUID/GUID的完整实现策略,包括生成算法、多级持久化存储方案(如MediaStore)、权限处理以及版本兼容性实践,帮助开发者应对Android 10-13的隐私政策变化。

weixin_28339967的博客 576

基于排列熵-SVMD-SVD信号去噪算法附Matlab代码

在工业监测(如设备振动信号)、生物医疗(如脑电、心电信号)、环境感知(如传感器采集数据)等领域,原始信号常被多源噪声(如电磁干扰、机械噪声、热噪声)污染,导致信号关键特征(如设备故障冲击脉冲、心电 QRS 波群)被掩盖,影响后续分析与诊断精度。传统去噪方法(如小波阈值去噪、自适应滤波)虽能抑制部分噪声,但面对 “非线性、非平稳、强耦合” 的复杂信号时,易出现 “过平滑(丢失特征)” 或 “欠滤波(噪声残留)” 问题。

matlab_dingdang的博客 1568

PostGIS 小白入门详细指南

PostGIS 是 PostgreSQL 的一个扩展,它将 PostgreSQL 转变为一个功能强大的空间数据库,使其能够存储、查询和分析地理空间数据。PostGIS 遵循开放地理空间联盟(OGC)的标准,支持各种空间数据类型和操作,如点、线、多边形、缓冲区、空间连接等。存储各种空间数据类型(如几何类型和地理类型)空间索引,提高查询性能丰富的空间函数和操作支持投影和坐标系统转换城市规划与管理环境监测与分析物流与运输优化地图制作与可视化位置服务与导航。

落魄书生的职业学习生涯 1万+

windows中通过docker部署LocateAnything-3B模型

windows中通过docker部署LocateAnything-3B模型

yilvyangguang520的博客 487

【数字信号去噪】基于matlab麻雀算法优化VMD信号去噪(目标函数为包络熵局部极小值)【含Matlab源码 2111期】

麻雀算法优化VMD信号去噪(目标函数为包络熵局部极小值) 完整的代码,方可运行;可提供运行操作视频!适合小白!

订阅付费专栏Matlab(奶茶价版),可赠送奶茶价版付费专栏指定代码1份; 3258

构建AI Agent驱动的智能健康管理系统

数据碎片化:健康数据分散在不同的设备和平台中,难以统一管理和分析。个性化不足:健康管理方案通常是通用的,难以根据个人的健康状况实时调整。用户参与度低:用户难以获得及时、个性化的健康建议,导致健康管理效果不佳。AI Agent是一个能够感知环境、采取行动以实现目标的智能实体。根据智能体的智能水平,可以分为简单反应式智能体和复杂适应式智能体。实时监测健康数据。获取个性化的健康建议。收到健康风险预警。

AI天才研究院 750

【数字信号去噪】杜鹃鲶鱼优化算法优化变分模态分解CCO-VMD数字信号去噪(优化K值 alpha值 综合指标 适应度函数包络熵)【含Matlab源码 14789期】

杜鹃鲶鱼优化算法优化变分模态分解CCO-VMD数字信号去噪 完整代码,包运行;可提供运行操作视频!适合小白!

订阅付费专栏Matlab(奶茶价版),可赠送奶茶价版付费专栏指定代码1份; 1040

这5组白月光少女三视图提示词直接用

今天分享5组治愈系白月光少女女主提示词,适合用于AI漫剧角色设计、角色库搭建和人物设定参考,所有提示词均是完整可复刻。

欢迎来到鸾姝淡月博客,专为程序员和编程爱好者打造的技术博客。我们分享编程语言趋势、开发工具、编程哲学、职业发展等,助你掌握新技术,优化技能,激发编程热情。 173

stable-diffusion-webui的逐步部署教程

本文主要介绍了stable-diffusion-webui的逐步部署教程,希望能对使用Stable Diffusion的同学们有所帮助。 文章目录 1. 前言 2. 逐步部署教程 2.1 创建Python环境 2.2 安装依赖库 2.3 运行代码

weixin_43178406的博客 6万+

【数字信号去噪】基于matlab吕佩尔狐算法优化变分模态分解RFO-VMD数字信号去噪(优化K值 alpha值 综合指标 适应度函数包络熵)【含Matlab源码 14994期】

吕佩尔狐算法优化变分模态分解RFO-VMD数字信号去噪 完整代码,包运行;可提供运行操作视频!适合小白!

订阅付费专栏Matlab(奶茶价版),可赠送奶茶价版付费专栏指定代码1份; 1046

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

【数字信号去噪】基于matlab杜鹃鲶鱼优化算法优化变分模态分解CCO-VMD数字信号去噪(优化K值 alpha值 综合指标 适应度函数包络熵)【含Matlab源码 14789期】

杜鹃鲶鱼优化算法优化变分模态分解CCO-VMD数字信号去噪 完整代码,包运行;可提供运行操作视频!适合小白!

订阅付费专栏Matlab(奶茶价版),可赠送奶茶价版付费专栏指定代码1份; 962

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

【数字信号去噪】基于matlab混沌增强领导者黏菌算法优化变分模态分解CELSMA-VMD数字信号去噪(优化K值 alpha值 综合指标 适应度函数包络熵)【含Matlab源码 14835期】

混沌增强领导者黏菌算法优化变分模态分解CELSMA-VMD数字信号去噪 完整代码,包运行;可提供运行操作视频!适合小白!

订阅付费专栏Matlab(奶茶价版),可赠送奶茶价版付费专栏指定代码1份; 1105

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

上一篇: 我用MATLABAPP写了一个优化PID软件,源码呈现
下一篇: C-MAPSS数据集可视化与预处理:MATLAB完整代码解析,发动机寿命预测必学数据集!
淘个代码_
博客等级 码龄7年 1万+粉丝 504原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

淘个代码_

不想刀我的可以选择爱我

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值