第07章信号的自适应分解方法资料.pptVIP

仿真验证－3 模拟信号HHT谱分析 §7.4 Hilbert-Huang变换（HHT） * 仿真验证－3 §7.4 Hilbert-Huang变换（HHT） * 仿真验证－3 分段正弦信号的边际谱 分段正弦信号的幅值谱 §7.4 Hilbert-Huang变换（HHT） * 仿真验证－4 §7.4 Hilbert-Huang变换（HHT） * 仿真验证－4 指数衰减线性调频信号 信号的幅值谱 §7.4 Hilbert-Huang变换（HHT） * 指数衰减信号的Morlet小波分析 HHT分析 §7.4 Hilbert-Huang变换（HHT） * 仿真验证－4 * §7.5 EMD方法存在的主要问题 (1) 缺乏明确的数学含义 (2) EMD的边界效应问题 (3) EMD的模式混叠问题 边界效应演示 * §7.5 EMD方法存在的主要问题 (2) EMD的边界效应问题 利用三次样条函数得到的一组上下包络 由于该数据序列只存在三个极大值点和三个极小值点, 因此所得上下包络线都出现了失真, 尤其是上包络线在信号两端出现巨大的失真. 同时,由于数据序列很短, 由端点处造成的包络误差已经“污染”到整个数据序列, 这种偏差如果得不到有效抑制, 所得结果的真实性就无从谈起. * §7.5 EMD方法存在的主要问题 (2) EMD的边界效应问题 上图是在没有延拓数据之前对原始信号x (t)进行EMD 分解得到的各阶IM F 分量与各自对应的真实信号的对比。实线为各阶IM F 分量,点画线为对应的真实信号. 延拓数据前各IM F 分量与真实信号 * §7.5 EMD方法存在的主要问题 (2) EMD的边界效应问题 　RBF 神经网络结构（预测与反演） * §7.5 EMD方法存在的主要问题 (2) EMD的边界效应问题 延拓前后信号的时域曲线对比 * §7.5 EMD方法存在的主要问题 (2) EMD的边界效应问题 延拓数据后各IM F 分量与真实信号 * §7.5 EMD方法存在的主要问题 (2) EMD的边界效应问题 应用自回归模型处理EMD边界问题 应用线性外延法处理EMD边界问题 应用端点镜像延拓法处理EMD边界问题 应用周期延拓方法处理EMD边界问题 应用多项式拟合法处理EMD边界问题 应用补零延拓法处理EMD边界问题 应用支持向量机延拓法处理EMD边界问题 Huang在提出EMD方法的同时，还提出了根据特征波对原始数据进行延拓以抑制边界效应的方法，并在美国申请了专利。 * §7.5 EMD方法存在的主要问题 (2) EMD的边界效应问题 经验模式分解方法是依赖于信号本身所包含的变化信息自适应进行的，这是该方法的主要优点之一。但是，如果信号在某些时刻包含一些异常的数据，既便是肉眼无法观察到的，在该时刻附近仍然会出现一些高频成分。经过模式分解，第一个模式函数就会包括正常信号和那段高频信号，在出现高频信号的地方，正常信号被推移到下一个模式分量中。这就会造成两方面的问题：首先，在第一个分量中，出现频率的混叠现象，使之不能表现正常的振荡过程；其次，第二个分量的局部会出现第一个分量中正常信号成分，使第二个模式分量出现频率混叠。这种混叠可能会一直延续到最后一个模式分量中，不同的振荡模式之间互相混淆，从而妨碍了人们对分析结果的理解。 * §7.5 EMD方法存在的主要问题 (3) EMD的模式混叠问题 以某重油催化裂化机组的风机振动信号（2000.10）为例： * §7.5 EMD方法存在的主要问题 (3) EMD的模式混叠问题 * §7.5 EMD方法存在的主要问题 (3) EMD的模式混叠问题 * * §7.5 EMD方法存在的主要问题 (3) EMD的模式混叠问题 再看下面的仿真信号 * * §7.6 EEMD的提出 * §7.6 EEMD的提出 * MED §7.6 EEMD的提出 * * §7.6 EEMD的提出 * §7.6 EEMD的提出 * §7.7 EMD的其他衍生算法 (1) 局部均值分解(LMD) (2) 局部特征尺度分解(LCD) (3) 固有时间尺度分解(ITD) ………………………… Data c12 * (4) EMD的数学释义——完备性问题 §7.3 EMD的实现过程 Data Sum c11-12 * (4) EMD的数学释义——完备性问题 §7.3 EMD的实现过程 Data sum c10-12 * (4) EMD的数学释义——完备性问题 §7.3 EMD的实现过程 Data c9 - 12 * (4) EMD的数学释义——完备性问题 §7.3 EMD的实现过程 Data c8 - 12 * (