• 大小: 6KB
    文件类型: .zip
    金币: 1
    下载: 0 次
    发布日期: 2021-06-18
  • 语言: 其他
  • 标签: VMD  

资源简介

使用VMD去噪方法进行去燥,改一下输入数据即可正常运行,vmd1为去燥一层的结果数据,vmd2为去燥两层的结果数据。

资源截图

代码片段和文件信息

function [u u_hat omega] = VMD(signal alpha tau K DC init tol)
% Variational Mode Decomposition
% Authors: Konstantin Dragomiretskiy and Dominique Zosso
% zosso@math.ucla.edu --- http://www.math.ucla.edu/~zosso
% Initial release 2013-12-12 (c) 2013
%
% Input and Parameters:
% ---------------------
% signal  - the time domain signal (1D) to be decomposed
% alpha   - the balancing parameter of the data-fidelity constraint
% tau     - time-step of the dual ascent ( pick 0 for noise-slack )
% K       - the number of modes to be recovered
% DC      - true if the first mode is put and kept at DC (0-freq)
% init    - 0 = all omegas start at 0
%                    1 = all omegas start uniformly distributed
%                    2 = all omegas initialized randomly
% tol     - tolerance of convergence criterion; typically around 1e-6
%
% Output:
% -------
% u       - the collection of decomposed modes
% u_hat   - spectra of the modes
% omega   - estimated mode center-frequencies
%
% When using this code please do cite our paper:
% -----------------------------------------------
% K. Dragomiretskiy D. Zosso Variational Mode Decomposition IEEE Trans.
% on Signal Processing (in press)
% please check here for update reference: 
%          http://dx.doi.org/10.1109/TSP.2013.2288675



%---------- Preparations

% Period and sampling frequency of input signal
save_T = length(signal);
fs = 1/save_T;

% extend the signal by mirroring
T = save_T;
f_mirror(1:T/2) = signal(T/2:-1:1);
f_mirror(T/2+1:3*T/2) = signal;
f_mirror(3*T/2+1:2*T) = signal(T:-1:T/2+1);
f = f_mirror;

% Time Domain 0 to T (of mirrored signal)
T = length(f);
t = (1:T)/T;

% Spectral Domain discretization
freqs = t-0.5-1/T;

% Maximum number of iterations (if not converged yet then it won‘t anyway)
N = 500;

% For future generalizations: individual alpha for each mode
Alpha = alpha*ones(1K);

% Construct and center f_hat
f_hat = fftshift((fft(f)));
f_hat_plus = f_hat;
f_hat_plus(1:T/2) = 0;

% matrix keeping track of every iterant // could be discarded for mem
u_hat_plus = zeros(N length(freqs) K);

% Initialization of omega_k
omega_plus = zeros(N K);
switch init
    case 1
        for i = 1:K
            omega_plus(1i) = (0.5/K)*(i-1);
        end
    case 2
        omega_plus(1:) = sort(exp(log(fs) + (log(0.5)-log(fs))*rand(1K)));
    otherwise
        omega_plus(1:) = 0;
end

% if DC mode imposed set its omega to 0
if DC
    omega_plus(11) = 0;
end

% start with empty dual variables
lambda_hat = zeros(N length(freqs));

% other inits
uDiff = tol+eps; % update step
n = 1; % loop counter
sum_uk = 0; % accumulator



% ----------- Main loop for iterative updates




while ( uDiff > tol &&  n < N ) % not converged and below iterations limit
    
    % update first mode accumulator
    k = 1;
    sum_uk = u_hat_plus(n:K) + sum_uk - u_hat_plus(n:1);
    
    % update spectrum of first mode through Wiener filter of residuals
    u_hat_plus(n+1:k) = (f_hat_plus - sum_uk - la

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-09-06 10:40  VMD\
     文件        3851  2019-09-06 10:40  VMD\data.mat
     文件        4645  2019-09-06 10:40  VMD\VMD.m
     文件         873  2019-09-06 10:40  VMD\VMD_test.m

评论

共有 条评论