經驗模態分解的案例
15經驗模態分解及其改進程序，EMD，EEMD, CEEMDAN,三合一程序，已調試完成 ￥39.9
經驗模態分解及其改進程序，EMD，EEMD, CEEMDAN,三合一程序，已調試完成，替換自己數據可直接跑。
經驗AM_FM解調算法——Matlab代碼 ￥100
經驗AM_FM解調算法主要應用于調幅調頻信號的解調，分析信號的瞬時幅值和瞬時頻率。
本代碼以經驗AM_FM解調算法的計算步驟進行編寫：1、經驗模態分解（EMD）；2、選取合適的IMF分量； 3、幅值歸一化處理得出FM分量；4、計算瞬時幅值；5、利用希爾伯特變換計算瞬時頻率。
閱讀或修改本代碼需要對Matlab有基本了解
下圖為自帶算例運行結果圖
48基于matlab的經驗傅里葉分解 ￥15.9
基于matlab的經驗傅里葉分解，適用于非線性及非平穩時間序列分析，將信號進行精確分解。程序已調通，可直接運行。
183基于matlab的非線性調頻模態分解(VNCMD) ￥15.9
基于matlab的非線性調頻模態分解(VNCMD)，一種基于變分方法的信號分解技術，它將信號分解為多個模式。能夠處理非線性調頻信號，且對噪聲具有較好的魯棒性。VNCMD的基本原理是通過最小化信號與模式之間的差異來實現信號的分解。程序已調通，可直接運行。
經驗模式分解模糊特征提取的支持向量機混合診斷模型
摘要：為解決機械故障小樣本模式識別問題，有效地提高分類的準確率，提出了一種基于經驗模式分解
模糊特征提取的支持向量機混合診斷模型。
該模型通過對信號進行經驗模式分解，提取信號的本征模式分量并轉化為模糊特征向量!對機器故
障進行診斷，然后將模糊特征向量輸入到多分類的支持向量機中，實現了對機器不同故障類型的
識別。
將該模型應用于汽輪發電機組的!種工作狀態的識別中，測試結果表明，同原有的未經過任何特征
提取以及經過小波包模糊特征提取的#種多分類支持向量機方法相比，該模型將分類準確率從原
有的53.3%和86.67%提高到100%，有效地改善了分類的準確性。
同時，該模型還為汽輪發電機組的故障確診提供了有力依據。
請享用！
展開 LS-DYNA模態分析的一點經驗
最近做模態分析，求模型自振頻率和模態。論壇上也沒搜到多少有用的資料，就自己試驗了下，有一點經驗分享。我用的是971r5.1。
有兩個隱式控制關鍵字就可以了
*CONTROL_IMPLICIT_EIGENVALUE
*CONTROL_IMPLICIT_GENERAL
1.盡量用雙精度：我有幾次用單精度得不出結果，雙精度就可行。
2.最好加邊界條件：不加邊界條件有時也能得出結果，比如我計算的汽車模型。
3.提取模態數量的控制不太靈活：
提取模態數量理論手冊有說明!
并不是按照使用手冊規定的那樣方便：
這個花了我不少時間才得出我想要觀察的頻率范圍。
若要得到6Hz以上的30個頻率，可以設定*CONTROL_IMPLICIT_EIGENVALUE選項卡中neig=30；lflag=1； lftend=6，其他默認，
觀察結果：
用LSPP讀取d3eigv文件察看振型動畫。
展開 技術鄰學院丨科學算法與MATLAB密切結合之視頻詳解，不看后悔！
技術鄰專家：鄭一
數學碩士、高校三級教授
38年教育培訓經驗
擅長科研及工程技術所用算法和MATLAB程序密切結合；擅長算法+程序+視頻的教學設計與錄像教學各種類型的軸
遇到相關問題可到技術鄰提問@鄭一+算法程序視頻
技術鄰：www.yqgqt.org.cn
小編語：
2018伊始，技術鄰便迎來一位重量級專家——鄭一教授。
從事高校教育的鄭一教授，擁有數學碩士學位，并有三級教授榮譽稱號。
鄭一教授尤其擅長工程技術算法與MATLAB程序的密切結合，并錄制多個算法+程序的視頻教學課程。
下面是鄭一教授在技術鄰分享的視頻教程。
視頻課程
卡爾曼濾波算法與應用和MATLAB程序詳解視頻實時技術信號處理
視頻包含8章45個視頻。主要內容簡介： 卡爾曼濾波數學模型及MATLAB程序，卡爾曼濾波所需數學知識， 標準卡爾曼濾波(KF)處理線性離散隨機系統， 擴展卡爾曼濾波(EKF)處理非線性微分隨機系統， 無跡卡爾曼濾波(UKF)處理非線性離散隨機系統， 交互多模型(IMM)濾波處理出現機動轉彎的運動物體跟蹤等。
經驗模態分解EMD算法和希爾伯特黃變換HHT和MATLAB程序視頻
本系列課程，在希爾伯特變換(HT)、希爾伯特-黃變換(HHT)和EMD算法的端點效應處理方面，進行了全面地、深入地設計與講解。
最小二乘法回歸分析算法及多項式非線性擬合和MATLA程序視頻
整個視頻課程在一元線性回歸、可線性化的曲線模型、多元線性回歸、自變量選擇方法、一元或多元多項式非線性回歸和相關分析等方面，進行了全面地、系統地、深入地設計與講解。
展開 水上無人系統研究進展及其面臨的挑戰
有文獻提出基于二維經驗模態分解的異常檢測算法，利用了紅外多光譜圖像的多尺度信息，可抑制背景雜波和消減高頻噪聲，提高檢測成功概率。有文獻提出了一種針對中/長波紅外圖像的多源信息融合識別方法。首先提取出目標及其特征利用基于灰色理論的目標關聯度計算得到基本概率賦值，再運用D-S證據理論組合規則對多個觀測樣本的信任度進行決策融合，得到較好識別效果。有文獻提出一種弱小紅外目標融合檢測方法，通過將多光譜探測器獲得的同一場景的多光譜信息組合到一起，利用它們在時空上的相關性及信息上的互補性，提高了檢測性能。有文獻提出了一種多波段紅外視覺成像系統融合的偽彩色表示算法，在兩個不同的紅外波段中利用目標信號之間的相關性來構造一個雜波較少的融合紅外圖像，然后將融合的紅外圖像與假彩色RGB表示的視覺圖像結合起來，實現了弱小目標的識別。
目前在弱小目標識別研究方面，大多數文獻都是以陸上目標為背景，在海上弱小目標識別方面還有很多問題沒有得到很好解決，有的問題是陸上和海上弱小目標識別存在的共性問題，有的是海上弱小目標識別存在的特殊問題：
⑴水上無人系統高速航行時，為了保證充分的反應時間，一般要求在較遠的距離上就能檢測到目標。而遠距離目標成像面積很小，可能只有幾十個像素甚至幾個像素。與常規目標相比，弱小目標不但缺乏形狀、顏色和紋理等輔助識別信息，而且經常受到海浪遮蔽，其檢測一直是個難點問題，還有待于深入研究。
⑵水上弱小目標識別與陸上弱小目標識別相比有不同特點。我國海域位于太平洋多霧區，海域內弱小目標識別經常受到霧氣的顯著影響。所以基于可見光圖像檢測弱小目標存在很大局限。此外，采用可見光圖像還要克服復雜環境條件的影響，包括海浪的起伏、日光的反射折射和雨雪的干擾。所以，通常采用紅外方法或者多源信息融合方法進行海上弱小目標識別。
展開 