北京上云科技网站建设,昭通微网站建设,做网站公司找哪家公司,建设银行大冶支行网站时序分解 | Matlab实现NGO-ICEEMDAN基于北方苍鹰算法优化ICEEMDAN时间序列信号分解 目录 时序分解 | Matlab实现NGO-ICEEMDAN基于北方苍鹰算法优化ICEEMDAN时间序列信号分解效果一览基本介绍程序设计参考资料 效果一览 基本介绍 Matlab实现NGO-ICEEMDAN基于北方苍鹰算法优化ICE…时序分解 | Matlab实现NGO-ICEEMDAN基于北方苍鹰算法优化ICEEMDAN时间序列信号分解 目录 时序分解 | Matlab实现NGO-ICEEMDAN基于北方苍鹰算法优化ICEEMDAN时间序列信号分解效果一览基本介绍程序设计参考资料 效果一览 基本介绍 Matlab实现NGO-ICEEMDAN基于北方苍鹰算法优化ICEEMDAN时间序列信号分解 1.ICEEMDAN方法的分解效果取决于白噪声幅值权重(Nstd)和噪声添加次数(NE)因此采用智能优化算法对这2个参数进行优化适应度函数包括包络熵、样本熵、信息熵、排列熵。 2.直接替换Excel数据即可用注释清晰适合新手小白[火] 3.附赠时间序列测试数据可直接运行main一键出图[闪亮] 程序设计
完整源码和数据获取方式私信博主回复Matlab实现NGO-ICEEMDAN基于北方苍鹰算法优化ICEEMDAN时间序列信号分解。
[x, y] size(signal);
if x yC y;% number of channelsT x;% length of the Signalsignal signal;
elseC x;% number of channelsT y;% length of the Signal
end
%---------- Preparations
% Sampling Frequency
fs 1/T;% Mirroring
f(:,1:T/2) signal(:,T/2:-1:1);
f(:,T/21:3*T/2) signal;
f(:,3*T/21:2*T) signal(:,T:-1:T/21);
% Time Domain 0 to T (of mirrored signal)
T size(f,2);
t (1:T)/T;
% frequencies
freqs t-0.5-1/T;
% Construct and center f_hat
f_hat fftshift(fft(f,[],2),2);
f_hat_plus f_hat;
f_hat_plus(:,1:T/2) 0;%------------ Initialization
% Maximum number of iterations
N 500;
% For future generalizations: individual alpha for each mode
Alpha alpha*ones(1,K);
% matrix keeping track of every iterant
u_hat_plus_00 zeros(length(freqs), C, K);
u_hat_plus zeros(length(freqs), C, K);
omega_plus zeros(N, K);
% initialize omegas uniformly
switch initcase 1omega_plus(1,:) (0.5/K)*((1:K)-1);case 2omega_plus(1,:) sort(exp(log(fs) (log(0.5)-log(fs))*rand(1,K)));otherwiseomega_plus(1,:) 0;
end
参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/129215161 [2] https://blog.csdn.net/kjm13182345320/article/details/128105718
