時序分解 | MATLAB實(shí)現(xiàn)基于SGMD辛幾何模態(tài)分解的信號分解分量可視化

效果一覽

基本介紹

SGMD分解算法（辛幾何模態(tài)分解），分解結(jié)果可視化，MATLAB程序，包含包絡(luò)線，包絡(luò)譜，中心頻率，峭度值，能量熵，模糊熵，樣本熵，近似熵，包絡(luò)熵，頻譜等指標(biāo)。
將時間序列分解為一組獨(dú)立的模態(tài)分量。模態(tài)混疊情況大幅度降低，利用辛幾何相似度變換來求解哈密頓矩陣的特征值，并利用其相應(yīng)的特征向量來重構(gòu)單分量信號。同時，SGMD可以在沒有任何用戶定義參數(shù)的情況下，有效地重構(gòu)現(xiàn)有的模式，去除噪聲。該方法的本質(zhì)是將信號分解轉(zhuǎn)換為辛幾何變換。SGMD可以對信號進(jìn)行完全分解，解決了EEMD方法和小波變換中的經(jīng)驗(yàn)選擇參數(shù)的問題。從Excel表格中讀取，直接替換數(shù)據(jù)就可以使用，不需要對程序大幅度改動。程序內(nèi)有詳細(xì)注釋，便于理解程序運(yùn)行。

程序設(shè)計

• 完整源碼和數(shù)據(jù)獲取方式：私信回復(fù)MATLAB實(shí)現(xiàn)基于SGMD辛幾何模態(tài)分解的信號分解分量可視化。

%%  清空環(huán)境變量
warning off             % 關(guān)閉報警信息
close all               % 關(guān)閉開啟的圖窗
clear                   % 清空變量
clc                     % 清空命令行cosD = pdist(meas,'cosine');
clustTreeCos = linkage(cosD,'average');
cophenet(clustTreeCos,cosD)ans =0.9360
[h,nodes] = dendrogram(clustTreeCos,0);
h_gca = gca;
h_gca.TickDir = 'out';
h_gca.TickLength = [.002 0];
h_gca.XTickLabel = [];
————————————————
版權(quán)聲明：本文為CSDN博主「機(jī)器學(xué)習(xí)之心」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/kjm13182345320/article/details/119920826figure
hidx = cluster(clustTreeCos,'criterion','distance','cutoff',.006);
for i = 1:5clust = find(hidx==i);plot3(meas(clust,1),meas(clust,2),meas(clust,3),ptsymb{i});hold on
end
hold off
xlabel('Sepal Length');
ylabel('Sepal Width');
zlabel('Petal Length');
view(-137,10);
grid on————————————————
版權(quán)聲明：本文為CSDN博主「機(jī)器學(xué)習(xí)之心」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/kjm13182345320/article/details/119920826

參考資料

[1] https://blog.csdn.net/kjm13182345320/article/details/129215161
[2] https://blog.csdn.net/kjm13182345320/article/details/128105718