摘要:
经验模式分解(EMD)是一种非平稳信号分析方法,存在边缘效应. 针对此问题,文中用线性预测对信号进行端点延拓,增加附加的极值点来拟合包络线,以实现准确的经验模式分解,并通过数值实验验证了该方法的有效性. 根据疲劳断口图像中条带间的距离呈准周期性,可对其进行经验模式分解,分别算出水平和垂直方向上的条带间距,并通过三角转换关系得到相邻条带间的实际距离. 对实际疲劳断口图像中条带间距的测量表明,把改进的经验模式分解应用到条带间距测量是有效的.
中图分类号:
李凌1, 黎明1;2, 鲁宇明2. 改进的EMD算法及其在条带间距测量中的应用[J]. 应用科学学报, 2010, 28(1): 32-37.
LI Ling1, LI Ming1;2, LU Yu-ming2. Improved EMD Algorithm and Its Application to Striation Distance Measurement[J]. Journal of Applied Sciences, 2010, 28(1): 32-37.