时序分解 | Matlab实现CEEMDAN+PE自适应噪声完备集合经验模态分解+排列熵计算
目录
- 时序分解 | Matlab实现CEEMDAN+PE自适应噪声完备集合经验模态分解+排列熵计算
- 效果一览
- 基本介绍
- 程序设计
- 参考资料
效果一览
基本介绍
CEEMDAN+PE自适应噪声完备集合经验模态分解+排列熵计算 运行环境matlab2018及以上（完整源码和数据）
1.CEEMDAN是改进的EMD，借用了EEMD方法中加入高斯噪声和通过多次叠加并平均以抵消噪声，效果更好，可用做信号分解、时间序列分解集成预测、故障诊断等等。
2.排列熵（Permutation Entropy, PE）是一种检测时间序列随机性和动力学突变行为的方法，具有计算简单、快速，抗噪能力强，适合在线监测等优点.
3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。
程序设计
- 完整源码和数据获取方式资源处下载Matlab实现CEEMDAN+PE自适应噪声完备集合经验模态分解+排列熵计算。
%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行
clc;clear all;close all
%% 数据导入
data__ = xlsread('原始数据.xlsx');
data = data__(:,2); %数据的第2列
%% 参数设置
Nstd=0.2; %信噪比,一般0-1
NR=100; %添加噪音次数,一般50-100
Maxlter=10; %内部最大包络次数设定，即分量个数
ceemdan_imf=ceemdan(data,0.2,100,10);
%% 图形绘制
plotimf(ceemdan_imf,size(ceemdan_imf,1),'r',' CEEMDAN分解结果'); %画图
%% 计算排列熵
figure('Name','各分量排列熵结果图','Color',[1 1 1]);
m=size(ceemdan_imf);
z=1:m;
plot(z,feature,'r.-')
