关于多种模态分解方法的分离效果的差别探讨

• 作者: 刘增力 周柏彤 朱健晨
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 经验模态分解 局域均值分解 变模态分解 多分辨奇异值分解算法
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 基金项目
• 页码范围: 87-92
• 页数: 6页
• 分类号: TN911.7
• 字数: 5640字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2016.12.020

摘要

经验模态分解(Empirical Mode Decomposition,EMD)是一种自适应信号分解方法,将数据从高频到低频分解成一系列的本征模式函数(Intrinsic Mode Functions,IMF)和一个余量.局域均值分解(Local Mean Decomposition,LMD)一定程度上解决了EMD方法的端点效应问题,但仍不容忽视.变模态分解(variational mode decomposition,VMD)解决了EMD方法在噪声恶劣背景下,IMF淹没在噪声背景中,导致不能得到信号特征分量的问题.多分别奇异值分解算法(Multi-resolution singular value decomposition,MRSVD)利用矩阵二分递推结构原理和SVD方法相结合,能够很好地把信号中微弱的细节信号和主体信号多层次体现出来,从而提取到其中隐含的信号特征.在此主要讨论EMD、LMD、VMD和MRSVD处理含噪信号时的效果差异,并对四种处理方法在滚动轴承故障振动信号的实际应用中出现的问题进行探讨.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘增力	昆明理工大学信息工程与自动化学院	68	155	6.0	8.0
2	周柏彤	昆明理工大学信息工程与自动化学院	1	0	0.0	0.0
3	朱健晨	昆明理工大学信息工程与自动化学院	2	1	1.0	1.0