%%?原論文：基于VMD的故障特征信號提取方法，對論文所用方法的仿真部分進行復現
clc;
clear;
close?all;
tic;
%%?仿真信號
%?原始仿真信號及其時域圖
t=（0:0.001:（1-0.001））‘;
x1=0.6*sin（15*pi*t+pi/5）;
x2=cos（60*pi*t+sin（10*pi*t））;
x3=（1+0.3*cos（10*pi*t））.*sin（200*pi*t）;
x4=wgn（10001-10）;
figure（1）;
subplot（221）;plot（tx1）;axis?tight;
subplot（222）;plot（tx2）;axis?tight;
subplot（223）;plot（tx3）;axis?tight;
subplot（224）;plot（tx4）;axis?tight;

%?原始仿真信號及其時域圖
fs=1000;N=1000;???%?采樣頻率為50MHz采樣點數為4000
figure（2）;
[f1（:1）A1（:1）]=PinPu（x1fsN）;
subplot（221）;plot（f1（:1）A1（:1））;axis?tight;
[f2（:1）A2（:1）]=PinPu（x2fsN）;
subplot（222）;plot（f2（:1）A2（:1））;axis?tight;
[f3（:1）A3（:1）]=PinPu（x3fsN）;
subplot（223）;plot（f3（:1）A3（:1））;axis?tight;
[f4（:1）A4（:1）]=PinPu（x1fsN）;
subplot（224）;plot（f4（:1）A4（:1））;axis?tight;
%?疊加信號的時域圖和頻域圖
x=x1+x2+x3+x4;
figure（3）;
subplot（211）;plot（tx）;axis?tight;
[f（:1）A（:1）]=PinPu（xfsN）;
subplot（212）;plot（f（:1）A（:1））;axis?tight;
%%?VMD分解與重構
%?some?sample?parameters?for?VMDX為待分解的時域信號
%?u：分解模式的集合
%?u_hat：模式的頻譜
%?omega：估計模式中心頻率
alpha?=?2000;???????%?懲罰因子，也稱平衡參數
tau?=?0;????????????%?噪聲容忍度
K?=?3;??????????????%?分解的模態數
DC?=?0;?????????????%?無直流分量
init?=?1;???????????%?初始化中心頻率為均勻分布
tol?=?1e-7;?????????%?收斂準則容忍度
[u1?u_ha1t?omega1]?=?VMD（x?alpha?tau?K?DC?init?tol）;

[~?sortIndex]?=?sort（omega1（end:））;
omega1?=?omega1（:sortIndex）;
u_ha1t?=?u_ha1t（:sortIndex）;
u1=u1（sortIndex:）;
X1=u1‘;
%%?排列熵
%?相空間重構:eDim為嵌入維數eLag為延遲時間
%?當X具有多列和多行時，每列將被視為獨立的時間序列該算法對X的每一列假設相同的時間延遲和嵌入維度并以標量返回ESTDIM和ESTLAG。
[XReLageDim]?=?phaseSpaceReconstruction（X1）;
%?求排列熵:pe為排列熵
pe=zeros（1K）;
for?i=1:K
????[pe（i）~]?=?pec（u1（i:）eDimeLag）;
end
%%?去噪后的信號重構
%?根據排列熵去除高噪分量，對其余分量進行平滑濾波后重構
%?X1=sgolayfilt（X1（:1:2）341）;
X2=X1（:1）+X1（:2）;????
%?對重構的信號進行VMD分解
alpha?=?200;
[u2?u_ha1t2?omega2]?=?VMD（X2?alpha?tau?K?DC?init?tol）;

[~?sortIndex]?=?sort（omega2（end:））;
omega2?=?omega2（:sortIndex）;
u_ha1t2?=?u_ha1t2（:sortIndex）;
u2=u2（sortIndex:）;
X3=u2‘;

%%?重構信號的時域圖和頻域圖
figure（4）;
subplot（311）;plot（tX3（:1））;axis?tight;
subplot（312）;plot（tX3（:2））;axis?tight;
subplot（313）;plot（tX3（:3））;axis?tight;

figure（5）;
[f5（:1）A5（:1）]=PinPu（X3（:1）fsN）;
subplot（311）;plot（f5（:1）A5（:1））;axis?tight;
[f6（:1）A6（:1）]=PinPu（X3（:2）fsN）;
subplot（312）;plot（f6（:1）A6（:1））;axis?tight;
[f7（:1）A7（:1）]=PinPu（X3（:3）fsN）;
subplot（313）;plot（f7（:1）A7（:1））;axis?tight;
toc;

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????2804??2020-10-26?21:18??基于VMD算法的信號降噪\main.m

?????文件????????667??2020-10-12?20:37??基于VMD算法的信號降噪\pec.m

?????文件???????4644??2020-10-10?20:07??基于VMD算法的信號降噪\VMD.m

?????文件????4368198??2020-09-29?16:17??基于VMD算法的信號降噪\基于VMD的故障特征信號提取方法_趙昕海.pdf

?????目錄??????????0??2020-10-26?21:19??基于VMD算法的信號降噪

-----------?---------??----------?-----??----

??????????????4376313????????????????????5