EMD方法基于径向基神经网络预测的数据延拓与应用
胡劲松1
杨世锡2
1.宁波工程学院,电信学院,宁波,3150102.浙江大学,机能学院,杭州,310027
摘要：把基于径向基神经网络(radbas function,RBF)预测的数据延拓技术引入经验模态分解(empirical mode decomposition,EMD)时频分析领域,论述基于RBF神经网络预测的数据延拓技术原理,通过对非线性仿真信号基于RBF神经网络预测延拓研究表明,该延拓技术是有效的,并且把该延拓技术应用于转子横向裂纹的时频分析,获得良好的效果.该研究成果能广泛用于信号时频分析领域.
关键词：经验模态分解(EMD)方法径向基(RBF)神经网络预测数据延拓时频分析
分类号：TP206(自动化技术及设备)TH113.1(机械学（机械设计基础理论）)TH165.3(机械制造工艺)
资助基金：国家自然科学基金(50675194)浙江省宁波市自然科学基金(2007A610014)
论文发表日期：2007-01-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：6( 894-899 )
英文信息