基于VMD算法的信号降噪.rar

针对论文：基于ＶＭＤ的故障特征信号提取方法，本人对论文中的仿真信号部分进行了复现，首先产生仿真信号；其次，利用VMD对信号进行分解，运用排列熵确定含高噪分量，然后对低噪分量进行重构；最后，将重构的信号进行分解，发现分量与最初的原始仿真信号基本一致。说明去噪效果较好。

%% 原论文：基于VMD的故障特征信号提取方法，对论文所用方法的仿真部分进行复现
clc;
clear;
close all;
tic;
%% 仿真信号
% 原始仿真信号及其时域图
t=（0:0.001:（1-0.001））‘;
x1=0.6*sin（15*pi*t+pi/5）;
x2=cos（60*pi*t+sin（10*pi*t））;
x3=（1+0.3*cos（10*pi*t））.*sin（200*pi*t）;
x4=wgn（10001-10）;
figure（1）;
subplot（221）;plot（tx1）;axis tight;
subplot（222）;plot（tx2）;axis tight;
subplot（223）;plot（tx3）;axis tight;
subplot（224）;plot（tx4）;axis tight;

% 原始仿真信号及其时域图
fs=1000;N=1000;   % 采样频率为50MHz采样点数为4000
figure（2）;
[f1（:1）A1（:1）]=PinPu（x1fsN）;
subplot（221）;plot（f1（:1）A1（:1））;axis tight;
[f2（:1）A2（:1）]=PinPu（x2fsN）;
subplot（222）;plot（f2（:1）A2（:1））;axis tight;
[f3（:1）A3（:1）]=PinPu（x3fsN）;
subplot（223）;plot（f3（:1）A3（:1））;axis tight;
[f4（:1）A4（:1）]=PinPu（x1fsN）;
subplot（224）;plot（f4（:1）A4（:1））;axis tight;
% 叠加信号的时域图和频域图
x=x1+x2+x3+x4;
figure（3）;
subplot（211）;plot（tx）;axis tight;
[f（:1）A（:1）]=PinPu（xfsN）;
subplot（212）;plot（f（:1）A（:1））;axis tight;
%% VMD分解与重构
% some sample parameters for VMDX为待分解的时域信号
% u：分解模式的集合
% u_hat：模式的频谱
% omega：估计模式中心频率
alpha = 2000;       % 惩罚因子，也称平衡参数
tau = 0;            % 噪声容忍度
K = 3;              % 分解的模态数
DC = 0;             % 无直流分量
init = 1;           % 初始化中心频率为均匀分布
tol = 1e-7;         % 收敛准则容忍度
[u1 u_ha1t omega1] = VMD（x alpha tau K DC init tol）;

[~ sortIndex] = sort（omega1（end:））;
omega1 = omega1（:sortIndex）;
u_ha1t = u_ha1t（:sortIndex）;
u1=u1（sortIndex:）;
X1=u1‘;
%% 排列熵
% 相空间重构:eDim为嵌入维数eLag为延迟时间
% 当X具有多列和多行时，每列将被视为独立的时间序列该算法对X的每一列假设相同的时间延迟和嵌入维度并以标量返回ESTDIM和ESTLAG。
[XReLageDim] = phaseSpaceReconstruction（X1）;
% 求排列熵:pe为排列熵
pe=zeros（1K）;
for i=1:K
    [pe（i）~] = pec（u1（i:）eDimeLag）;
end
%% 去噪后的信号重构
% 根据排列熵去除高噪分量，对其余分量进行平滑滤波后重构
% X1=sgolayfilt（X1（:1:2）341）;
X2=X1（:1）+X1（:2）;    
% 对重构的信号进行VMD分解
alpha = 200;
[u2 u_ha1t2 omega2] = VMD（X2 alpha tau K DC init tol）;

[~ sortIndex] = sort（omega2（end:））;
omega2 = omega2（:sortIndex）;
u_ha1t2 = u_ha1t2（:sortIndex）;
u2=u2（sortIndex:）;
X3=u2‘;

%% 重构信号的时域图和频域图
figure（4）;
subplot（311）;plot（tX3（:1））;axis tight;
subplot（312）;plot（tX3（:2））;axis tight;
subplot（313）;plot（tX3（:3））;axis tight;

figure（5）;
[f5（:1）A5（:1）]=PinPu（X3（:1）fsN）;
subplot（311）;plot（f5（:1）A5（:1））;axis tight;
[f6（:1）A6（:1）]=PinPu（X3（:2）fsN）;
subplot（312）;plot（f6（:1）A6（:1））;axis tight;
[f7（:1）A7（:1）]=PinPu（X3（:3）fsN）;
subplot（313）;plot（f7（:1）A7（:1））;axis tight;
toc;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2804  2020-10-26 21:18  基于VMD算法的信号降噪\main.m

     文件        667  2020-10-12 20:37  基于VMD算法的信号降噪\pec.m

     文件       4644  2020-10-10 20:07  基于VMD算法的信号降噪\VMD.m

     文件    4368198  2020-09-29 16:17  基于VMD算法的信号降噪\基于VMD的故障特征信号提取方法_赵昕海.pdf

     目录          0  2020-10-26 21:19  基于VMD算法的信号降噪

----------- ---------  ---------- -----  ----

              4376313                    5