【信号去噪】基于麻雀算法优化VMD实现信号去噪附matlab代码_vmd去噪

1 内容介绍

一种基于SSAVMD算法的信号去噪方法,具体为:根据麻雀优化算法数学模型,然后进行初始化参数,在取值范围内初始化麻雀的位置向量,根据位置向量对原始振动信号进行VMD分解,然后计算每个麻雀位置下的平均包络熵;更新最小平均包络熵,即获得当前群体中最佳个体的位置更新当前麻雀个体的空间位置;输出最佳麻雀个体的位置向量,即得VMD的分解参数组合;根据所得到的分解参数组合对信号进行VMD分解,将分解出IMF分量相加得到重构信号,即得去噪后的信号.本发明解决了现有技术中存在的原始VMD算法的分解参数需要根据经验进行人工确定,导致无法得到最优分解结果,从而影响信号的去噪效果的问题.

​

2 部分代码

function [SampEn] = SampEn(series, dim, r)

    control = ~isempty(series);

    assert(control, 'The user must introduce a time series (first inpunt).');

    control = ~isempty(dim);

    assert(control, 'The user must introduce a embbeding dimension (second inpunt).');

    control = ~isempty(r);

    assert(control, 'The user must introduce a tolerand: r (third inpunt).');

    series = (series - mean(series)) / std(series);

    N = length(series);

    result = zeros(1, 2);

    for j = 1:2

        m = dim + j - 1;

        patterns = NaN(m, N - m + 1);

        count = NaN(1, N - m);

        if m == 1

            patterns = series;

        else

            for i = 1:m

                patterns(i, :) = series(i:N - m + i);

            end

        end

        for i = 1:N - m

            if m == 1

                temp = abs(patterns - repmat(patterns(:, i), 1, N - m + 1));

            else

                temp = max(abs(patterns - repmat(patterns(:, i), 1, N - m + 1)));

            end

            bool = (temp <= r);

            count(i) = (sum(bool) - 1);

        end

        count = count / (N - m - 1);

        result(j) = mean(count);

    end

    SampEn = log(result(1) / result(2));

end

3 运行结果

4 参考文献

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机、雷达通信、无线传感器等多种领域的Matlab仿真，相关matlab代码问题可私信交流。