• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Advances in Adaptive Data Analysis >RIDGE REGRESSION MODEL-BASED ENSEMBLE EMPIRICAL MODE DECOMPOSITION FOR ULTRASOUND CLUTTER REJECTION
【24h】

RIDGE REGRESSION MODEL-BASED ENSEMBLE EMPIRICAL MODE DECOMPOSITION FOR ULTRASOUND CLUTTER REJECTION

机译：基于脊背回归模型的超声杂波抑制的经验模态分解

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Ensemble empirical mode decomposition (EEMD) is a noise-assisted adaptive data analysis method to solve the problem of mode mixing caused by empirical mode decomposition (EMD). It is shown that the decomposition error tends to zero, as ensemble number increases to infinity in EEMD. In this paper, a novel EEMD-based ridge regression model (REEMD) is proposed, which solves the problem of mode mixing and achieves less decomposition error compared with the EEMD. When the ensemble number is small, the weights of outliers are constraint to zero to reduce the decomposition error in REEMD and the result of REEMD is asymptotic to that of EEMD, as the ensemble number increases. The proposed REEMD is suitable for tissue clutter rejection in color flow imaging system. Simulation shows that reasonable flow-frequency estimations can be achieved by REEMD and the estimation error limits to zero, as the flow frequency increases.
机译：集成经验模式分解（EEMD）是一种噪声辅助的自适应数据分析方法，用于解决由经验模式分解（EMD）引起的模式混合问题。结果表明，随着EEMD中集合数增加到无穷大，分解误差趋于零。本文提出了一种新的基于EEMD的岭回归模型（REEMD），与EEMD相比，该模型解决了模式混合问题并实现了较小的分解误差。当集合数较小时，离群值的权重被限制为零，以减少REEMD中的分解误差，并且随着集合数的增加，REEMD的结果与EEMD的渐近。所提出的REEMD适用于彩色流成像系统中的组织杂波抑制。仿真表明，REEMD可以实现合理的流频估计，并且随着流频的增加，估计误差限制为零。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号