最小最优熵反褶积，特别适宜故障诊断，信号处理的良好除燥，良好的滤波器

多点最优最小熵解卷积调整Geoff McDonald (glmcdona@gmail.com) 的代码，2015 McDonald、Geoff L.和赵青。 “多点最优最小熵解卷积和卷积修复：应用于振动故障检测。” 机械系统和信号处理 82 (2017)：461-477。 有关该论文的 PDF 版本，请参阅我的博客： http : //www.split-code.com/rotation.html 多点最优最小熵解卷积 (MOMEDA) 计算算法。 这提出方法求解用于从信号中解卷积周期性脉冲序列的最优解。 最适合应用于从振动信号到去卷积的旋转机器故障与许多齿轮和轴承故障相关的脉冲式振动。 此上传包括用于基础解卷积的“momeda”和用于绘图的“momeda_spectrum” 光谱。 通常，此光谱将在对应于临界值的周期处产生峰值频率，以及由此产生的幅度可以被跟踪以监视机器组件的运行状

这是 MED 相关实现的参考包，与已发表的论文一起使用。 - - 职能： - - 最小熵反卷积调整卷积（MED 和 MEDA） [y_final f_final kurtIter] = med2d(x,filterSize,termIter,termDelta,overlapMode,plotMode) 最优最小熵反卷积调整卷积 (OMEDA) [yf d_norm] = omeda(x,filterSize,plotMode) 多点最优最小熵反卷积调整卷积 (MOMEDA) [MKurt fy] = momeda(x,filterSize,window,period,plotMode) [T MKurt fy T_best MKurt_best f_best y_best] = momeda_spectrum(x,filterSize,window,range,plotMode)

运用凯斯西储大学滚动轴承故障数据，运用MOMEDA对信号进行周期的增强，提高信噪比，并运用希尔伯特变换，与Teager能量算子包络解调，体现Teager能量算子二次增强。同时还存在MCKD，

运用凯斯西储大学滚动轴承故障数据，运用MOMEDA对信号进行周期的增强，提高信噪比，并运用希尔伯特变换，与Teager能量算子包络解调，体现Teager能量算子二次增强。同时还存在MCKD，

对振动信号处理，能够在无预知条件下对信号进行反褶积，包括最小熵反褶积，最大相关峭度反褶积，最优最小熵反褶积