付 春， 孙祥磊， 王 昆， 管海伟， 刘 娟， 李 明

(1.辽宁石油化工大学 石油天然气工程学院,辽宁 抚顺 113001； 2.沈阳建筑大学 土木工程学院,辽宁 沈阳 110168)

基于FastICA改进EMD的算法研究

付 春1， 孙祥磊1， 王 昆1， 管海伟1， 刘 娟1， 李 明2

(1.辽宁石油化工大学 石油天然气工程学院,辽宁 抚顺 113001； 2.沈阳建筑大学 土木工程学院,辽宁 沈阳 110168)

经验模态分解(EMD)算法在非线性、非稳态的信号处理上具有显著的优势，但EMD在实际应用过程中存在着一些缺陷，其中以模态混叠和虚假模态现象最为突出。模态混叠现象可以简单地概述为在1个本征模函数(IMF)含有多于一阶的结构固有模态分量；虚假模态现象则是指不该有的频率组分对结构模态参数识别精度的严重影响。针对这一问题，对EMD中存在的以上两大缺陷展开研究，提出了利用频带滤波和独立分量分析算法(ICA)中的快速ICA算法(FastICA)相结合改进的EMD算法。利用希尔伯特变换(HT)识别结构频率，并通过Benchmark结构验证了所提算法的有效性。

经验模态分解(EMD)； 盲源分离(BSS)； 模态混叠； 希尔伯特变换(HT)

1998年，N.E.Huang等创造性地提出了经验模态分解算法(Empirical Mode Decompositon,EMD)，该算法一经提出就在不同领域得到了广泛应用[1-3]。然而随着EMD算法应用的增多，其分解过程中存在的模态混叠及虚假模态现象尤为突出，为此很多学者对经典EMD算法进行改进研究[4-8]。

近些年，盲源分离 (Blind Signal Separation, BBS)[9-10]越来越多地被应用在各个领域的研究中，BBS根据统计独立的思想，将多个观测信号借助于优化算法分解为若干个独立的成分，达到信号增强的目的，以便对信号进行合理的分析。……