基于复数据经验模态分解的噪声辅助信号分解方法

• 作者: 周玉平 张翔宇 曲建岭 王小飞 高峰
• 来源期刊: 物理学报
• 关键词: 集成经验模态分解 复数据经验模态分解 噪声辅助信号分解
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 总论
• 页码范围: 110201-1-110201-9
• 页数: 1页
• 语种: 中文
• DOI: 10.7498/aps.63.110201

摘要

集成经验模态分解(EEMD)在一定程度上减轻了经验模态分解(EMD)中的模态混叠，但集成平均会带来新的模态混叠、频谱丢失和运算量增大等问题，影响到对信号物理特征的分析与提取。因此，本文提出一种基于复数据经验模态分解(CEMD)的噪声辅助信号分解方法，在CEMD中以白噪声分解的内禀模态函数(IMF)在指定方向上的投影为基函数来辅助观测信号分解过程中的极值选取，从而减小模态混叠，同时利用噪声投影的影响在求包络质心时被消除的特性，减小EEMD因集成平均带来的相关问题。仿真结果表明，本文方法在进一步降低模态混叠效应的同时，明显提高了运算速度，并且在一定程度上减轻了频谱丢失问题。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张翔宇		38	173	7.0	11.0