基于VMD和1_5维Teager能量谱的滚动轴承故障特征提取_向玲

VMD程序，用于轴承、齿轮等振动信号的分解、降噪和重构，实现故障诊断

一维VMD算法，自适应信号处理中较新的方法，变分方法，可以用作信号重排方法

包含VMD、EMD、EEMD工具箱，可用于变分模态分解、EMD以及EEMD谐波检测对对比分析

根据奇异值分解出来的奇异值，画出奇异值分布曲线，根据公式算出奇异值的突变点，此时突变点即是VMD分解分量数的K值

效果不错，值得下载，VMD分解优化参数。

VMD是通过迭代搜寻变分模型（具体怎么搜寻，请亲们自己看，我主要讲他的大概）最优解， 来确定我们所知的模态uk(t)及其对应的中心频率ωk和带宽。每个模态都是具有中心频率的有限带宽（就是在频域中有在一定的宽度）。所有模态之和为源信号。

1.python程序 2.可直接运行，有数据集

VMD三维分解图+皮尔逊相关系数标准差阈值筛选特征MATLAB程序，以VMD的K=5分解后的数据为例，绘制出分解后的信号的三维图，之后采用皮尔逊相关系数标准差阈值法筛选出所需特征，若相关系数大于阈值则判断为有效信号，否则为噪声信号。 相关系数介绍 相关系数是变量间相关程度的度量，取值范围介于-1到1之间。正值表示正相关，即变量变化方向是一致的，比如Y随着X的变大而变大；负值表示负相关，变量的变化方向相反，比如Y随着X的变大而变小。绝对值越接近1，表示两个变量之间关系越密切；越接近0，表示两个变量之间关系越不密切。相关系数对应的相关强度如下： 0.8-1.0 极强相关 0.6-0.8 强相关 0.4-0.6 中等程度相关 0.2-0.4 弱相关 0.0-0.2 极弱相关或无相关 相关系数也称为线性相关系数，这是因为，相关系数并不是刻画了X，Y之间一般关系的程度，而只是线性关系的程度。当相关系数为1或-1时，两者有严格的线性关系；当相关系数为0时，则称X与Y不相关。不相关是指X和Y之间没有线性关系，但X与Y之间可能有其他的函数关系，比如平方关系，对数关系(可以通过查看散点图来确定这一点)

一种信号处理算法，对非平稳、非线性信号具有良好处理效果