常见不同模态信号分解方法探讨

• 作者: 荣剑 邢昀
• 来源期刊: 现代计算机
• 关键词: 经验模态分解(EMD) 集合经验模态分解(EEMD) 补充的集合经验模态分解(CEEMD) 改进的集合经验模态分解(MEEMD) 变分模态分解(VMD)
• 年，卷（期）: 2018,（36）
• 所属期刊栏目: 研究与开发
• 页码范围: 7-11
• 页数: 5页
• 字数: 2189字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2018.36.002

摘要

经验模态分解(EMD)是一种自适应的信号时频分析方法,它把信号分解成一系列本征模态函数(IMF)和残差分量.集合经验模态分解方法(EEMD)是通过向原始信号中加入高斯白噪声,来抑制经验模态分解过程中存在的模态混叠现象.补充的EEMD(CEEMD)是通过向目标信号添加成对的符号相反的白噪声,来确保信号分解具有真实的物理意义.改进的集合经验模态分解(MEEMD)结合CEEMD与排列熵(PE)算法在抑制模态混叠方面取得理想的结果,并解决计算量大的问题.变分模态分解(VMD)是在EMD的基础上发展出来的一种新型信号处理方法,它进一步避免模态混叠现象并且有着更高的运算效率.讨论EMD、EEMD、CEEMD、MEEMD、VMD在信号分解处理时的效果差异.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荣剑	西南林业大学大数据与智能工程学院	16	38	4.0	5.0
2	邢昀	西南林业大学大数据与智能工程学院	1	3	1.0	1.0