MD方法及Hilbert变换中边界问题的处理.pdfVIP

简 报 第46 卷 第3 期 2001 年2 月 EMD 方法及Hilbert 变换中边界问题的处理 * 邓拥军 王 伟 钱成春 王 忠 戴德君 (青岛海洋大学 网络中心; 物理海洋实验室, 青岛266003. * 联系人, E-mail: wei@) 摘要 利用神经网络分析方法对一个给定信号的两端进行延拓, 在数据的两端各得到两个附加的极大值 点和两个附加的极小值点. 由此利用三次样条函数得到原始信号的上下包络线和平均包络线, 实现了准 确的 EMD 分解. 同样利用神经网络分析方法将每一个IMF 分量的两端进行延拓, 有效地抑制了端点效 应, 得到了Hilbert 谱. 关键词 EMD 方法 神经网络 Hilbert 谱 1998 年, Huang[1]提出了一种新的信号处理方法 能力. 小波变换能够在时域和频域内同时得到较高的 经验模态分解方法(empirical mode decomposi- [3,4] 分辨率, 但是仍然存在一定的限制 . 这种限制在通 tion, EMD) . 1999 年, Huang[2]又将该方法进行了一些 常情况下会造成很多虚假的谐波, 而依此进行的一系 改进. 该方法从本质上讲是对一个信号(或其导数, 视 列分析也必将失去其原有的物理意义. 根据 Wang 等 所需的分解精度而定) 进行平稳化处理, 其结果是将 1) 人 的结果, 在线性框架下基于 EMD 分解的 Hilbert 信号中不同尺度的波动或趋势逐级分解开来, 产生一 谱与小波谱具有相同的表观特性. 但是 Hilbert 谱在 系列具有不同特征尺度的数据序列, 每一个序列称为 时域和频域内的分辨率都远远高于小波谱, 依此得到 一个本征模函数(intrinsic mode function, IMF) 分量. 的分析结果能够准确地反映出系统原有的物理特性. 最低频率的 IMF 分量通常情况下代表原始信号的趋 由于 EMD 方法比小波方法有更强的局地特性, 所以 势或均值. 作为一种应用, EMD 分解方法可以有效地 在处理强间歇性信号时, EMD 方法是目前最好的一 提取一个数据序列的趋势或去掉该数据序列的均值. 种. 实际上, 测试结果表明, EMD 方法是目前提取数据序 短数据序列的处理在实际应用中往往是不可回 列趋势或均值的最好方法, 当然这只是 EMD 方法的 避的问题, 准确地处理非常短的数据序列是 EMD 分 副产品. EMD 方法的主要目的是为了进一步进行 解以及与之相关的 Hilbert 变换的另外一个优点. 虽 Hilbert 变换, 进而得到Hilbert 谱. 然其他信号处理方法也能够处理短数据序列, 但效果 对于一个非平稳的数据序列( 如存在骑行波的海 均不理想. 浪波面序列)来讲, Hilbert 变换得到的结果很大程度上 EMD 分解以及与之相关的Hilbert 变换的最大优 失去了原有的物理意义. 而经 EMD 分解得到的各 点是它能够客观地处理非线性问题. 在非线性框架下, [1] IMF 分量都是平稳的 , 因此基于这些IMF