文中分别采用经验模态分解（EMD），变分模态分解（VMD）两种预处理方法，使单通道观测信号由欠定信号转为正定或超定从而解决其“非欠定”限制，并对此两种预处理方法进行仿真实验对比验证，研究表明，不同的预处理方法会影响信号盲分离的结果，寻找一种高效、快速的预处理方法是解决欠定盲信号分离的关键，且仿真实验结果表明，VMD预处理方法更具优越性。
2021-03-07 21:06:07
2.23MB
1
Self-Supervised Adversarial Hashing Networks for Cross-Modal Retrieval(CVPR2018)
2021-03-02 20:21:41
1.13MB
1
博客对应的对称边界模态分析文件，使用 ansys workbench 19.0进行制作。包括了模型的处理，网格划分，边界条件设置，求解设置，后处理结果查看等。不追求精度和准确度，仅供参考，可作为对称边界的使用练习
2021-02-27 15:16:42
7.22MB
1
包含通过中心频率确定分解个数K的matlab程序和相关资料三篇，分享大家共同学习。
VMD分解的效果主要受模态数的选取值的影响，当模态的选取值较小时，由于VMD算法相当于自适应滤波器组，原始信号中一些重要信息将会被过滤，影响后续预测的精度；而当模态的选取值较大时，相邻模态分量的中心频率则会相距较近，导致模态重复或产生额外的噪声。不同模态的主要不同点在于中心频率的不同，所以，通过对不同模态数下中心频率的分布进行观察选取合适的模态数值。
2021-02-25 20:03:19
2.19MB
1