基于相关系数的RPSEMD改进算法

• 作者: 刘毅 宋余庆 高鸣蕾
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: EMD EEMD RPSEMD 模态混叠 时频分析 信号分析 相关系数
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 算法与分析
• 页码范围: 1858-1863
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.08.008

摘要

经验模态分解(Empirical Mode Decomposition,EMD)是一种优秀的分析多分量非线性非平稳信号的自适应数据驱动方法,被广泛应用于时频分析领域.当信号中存在着间断的跳跃性变化或信号间相互作用时,将直接导致EMD分解产生不期望的模态混叠问题.EEMD及其扩展算法通过添加高斯白噪声一定程度上解决了模态混叠问题.RPSEMD通过添加自适应的正弦信号的方法大大减少了EEMD及其扩展算法的时间成本,但其分解结果的重构误差较大,同时伴随有虚假分量的产生.论文通过在RPSEMD过程中嵌入循环去相关操作,有效地解决了模态混叠问题,减少了重构误差,一定程度上抑制了虚假分量的产生,仿真信号处理结果证明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋余庆		128	1213	20.0	29.0
2	刘毅		13	90	4.0	9.0
3	高鸣蕾		1	0	0.0	0.0