APP下载

一种识别EMD 虚假分量的新方法

2021-05-20范津玮刘晓波

科技视界 2021年10期
关键词:信号方法

范津玮 刘晓波

(贵州大学电气工程学院,贵州 贵阳 550000)

0 引言

EMD 方法是由美国的NASA 的Huang 等人所提出, 由于该方法具有良好的时频特性和自适应性,被许多专家学者广泛应用于各个方面。 例如,在结构分析领域应用到桥梁监测和模态响应分析,在自然科学领域应用于海洋、大气、天体等的观测和地球物理分析,在生物学领域应用于心率变换和肺部血压信号分析,在故障诊断领域应用于旋转机械信号分析[1]和电力系统暂态故障信号分析[2]。

由于EMD 分解的终止条件、 插值误差和端点效应等影响,常常会出现分解过度的现象。 这会导致分解得到的IMF 分量个数大于原有信号的组成个数,而多余的IMF 分量便是虚假分量。这些分量与原信号相关性较小,不能准确反映原信号的特征,所以需要准确识别出虚假分量。

1 E MD 方法及其虚假分量问题

1.1 EMD 方法

EMD 分解是一种新的自适应处理非平稳信号分析方法,适用于处理非线性、非平稳性的时间序列数据。 某信号使用经验模态分解(EMD)对其进行分解后可以得到不同时间尺度的IMF 分量。 EMD 的基本公式为:

其中,x(t)为原始数据信号,IMFi为第 i 个 IMF 分量,res 为不能再分解的剩余分量。

1.2 虚假分量问题

下面以某一信号x(t)为例说明EMD 分解过程中产生的虚假分量问题。

其中,采样频率 1 000 Hz,采样点数 1 000 点。 其波形图如图1 所示。对该信号进行EMD 分解,结果如图2 所示。 进一步求各阶IMF 的傅里叶频谱图,结果如图3 所示。

图1 仿真信号波形图

图2 EMD 的分解结果图

图3 各IMF 分量的傅里叶频谱图

登录APP查看全文

猜你喜欢

信号方法
信号
完形填空二则
学习方法
孩子停止长个的信号
用对方法才能瘦
基于LabVIEW的力加载信号采集与PID控制
一种基于极大似然估计的信号盲抽取算法
四大方法 教你不再“坐以待病”!
赚钱方法
捕鱼