时序分解 | Matlab实现GSWOA-VMD改进鲸鱼优化算法优化变分模态分解时间序列信号分解

时序分解 | Matlab实现GWO-CEEMDAN基于灰狼算法优化CEEMDAN时间序列信号分解

目录

• • 时序分解 | Matlab实现GWO-CEEMDAN基于灰狼算法优化CEEMDAN时间序列信号分解
  • • 效果一览
    • 基本介绍
    • 程序设计
    • 参考资料

      效果一览

      

      

      

      基本介绍

      Matlab实现GSWOA-VMD改进鲸鱼优化算法优化变分模态分解时间序列信号分解直接替换Excel数据即可用，注释清晰，适合新手小白

      附赠时间序列测试数据，可直接运行main一键出图

      程序设计

      • 完整源码和数据获取方式私信博主回复：Matlab实现GSWOA-VMD改进鲸鱼优化算法优化变分模态分解时间序列信号分解。

        %% 以最小包络熵、最小样本熵、最小信息熵、最小排列熵为目标函数（任选其一），采
        %% 选取数据
        da = xlsread('测试数据.xlsx','B:B'); %这里选取测试数据，B代表Excel中的第B列，注意这里替换为自己的数据即可，数据形式为n行*1列，列数必须为1。
        plot(da);
        title('原始信号')
        set(gcf,'color','w')
        %% 设置参数
        lb = [0.15 50];           % 噪声幅值权重的优化范围设置为[0.15,0.6]，噪声添加次数的优化范围为[50,600]
        ub = [0.6 600];  
        dim = 2;                  % 优化变量数目
        Max_iter=20;              % 最大迭代数目
        SearchAgents_no=10;       % 种群规模
        %% 画适应度函数曲线图，并输出最佳参数
        figure
        plot(Convergence_curve,'linewidth',1);
        title('迭代曲线图')
        xlabel('迭代次数');
        ylabel('适应度值');
        set(gcf,'color','w')
        %% CEEMDAN分解图
        X = da;
        Nstd = bestX(1);
        NR = fix(bestX(2));
        MaxIter = 10;
        [anmodes,its]=ceemdan(X,Nstd,NR,MaxIter);
        plotimf(anmodes,size(anmodes,1),'r',' CEEMDAN分解结果'); %画图
        %% 频谱图
        fs=1;
        N=400;
        u=anmodes;
        figure('Name','频谱图','Color',[1 1 1])
        for i=1:size(u,1) 
            subplot(size(u,1) ,1,i)
            [cc,y_f]=plot_fft(u(i,:),fs,1);
            plot(y_f,cc,'b','LineWIdth',1);
            ylabel(['IMF',num2str(i)]);
        end
        

        参考资料

        [1] https://blog.csdn.net/kjm13182345320/article/details/129215161

        [2] https://blog.csdn.net/kjm13182345320/article/details/128105718## 标题