經(jīng)驗(yàn)?zāi)B(tài)分解的方法改進(jìn)研究.pdf

1、經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical Mode Decomposition,EMD）是處理非線性和非平穩(wěn)信號(hào)的有效方法。該方法根據(jù)自身信號(hào)的特點(diǎn)，將信號(hào)分解成若干個(gè)本征模態(tài)函數(shù)IMF之和，彌補(bǔ)了短時(shí)傅里葉、小波分解和Wigner-Ville分布的不足。目前，EMD廣泛應(yīng)用于機(jī)械故障診斷、生物醫(yī)學(xué)信號(hào)分析和通訊信號(hào)分析等領(lǐng)域。本文對EMD的理論進(jìn)行了分析，以算法本身固有的缺點(diǎn)為突破口，對EMD中的端點(diǎn)效應(yīng)問題和模態(tài)混疊問題進(jìn)行了研究，并給出了

2、相應(yīng)的解決方案。研究的主要內(nèi)容如下：
　　(1)針對用的機(jī)械故障信號(hào)時(shí)頻分析方法，如短時(shí)Fourier變換、Wigner-Ville分布、小波變換等，總結(jié)這些方法的特點(diǎn)及不足，在此基礎(chǔ)上引出Hilbert-Huang變換(HHT)，指出EMD分解算法中有幾個(gè)問題需要解決，如端點(diǎn)效應(yīng)、模態(tài)混疊。
　　(2)利用信號(hào)波形單調(diào)性一致來處理信號(hào)端點(diǎn)效應(yīng)問題。經(jīng)驗(yàn)?zāi)B(tài)分解需通過極值點(diǎn)描述信號(hào)上下包絡(luò)線，但是信號(hào)兩端邊界的極大值和極小值

3、不好估計(jì)，包絡(luò)線就存在著變數(shù)，這樣經(jīng)驗(yàn)?zāi)B(tài)分解過程就會(huì)產(chǎn)生邊界誤差，隨著分解進(jìn)行邊界誤差會(huì)向內(nèi)傳播，從而污染內(nèi)部數(shù)據(jù)，導(dǎo)致分解結(jié)果不合理。通過分析幾種典型的抑制端點(diǎn)效應(yīng)的方法，把單調(diào)性一致法引入EMD，以獲得信號(hào)端點(diǎn)極值點(diǎn)，這種方法簡單而且可以有效地抑制端點(diǎn)效應(yīng)。
　　(3)提出奇異值分解去噪法來抑制EMD過程中的事件性模態(tài)混疊問題和提出了基于能量分離的方法（SEMD）避免了非事件性模態(tài)混疊現(xiàn)象。事件性模態(tài)混疊首先通過聯(lián)合平穩(wěn)度的

4、自適應(yīng)模態(tài)解混疊方法篩選出異常信號(hào)區(qū)間，再利用奇異值分解去噪消除異常事件，使異常事件不再那么明顯，從而使信號(hào)包絡(luò)更自然,可以有效抑制模態(tài)混疊現(xiàn)象，提高EMD的整體分解效果，并與傳統(tǒng)的EMD方法對比，改進(jìn)的方法能有效抑制模態(tài)混疊問題。非事件性模態(tài)混疊采用奇異值分解將能量高的信號(hào)重新聚合，能量低的重新聚合，再進(jìn)行EMD分解，并進(jìn)行了模擬驗(yàn)證，結(jié)果表明SEMD方法能有效的分離出信號(hào)成分，與直接進(jìn)行EMD分解相比較，該方法具有明顯優(yōu)越性。