经验模式分解在信号处理中的应用.pdf

航 天 器 环 境 工 程 第 26 卷增刊 118 SPACECRAFT ENVIRONMENT ENGINEERING 2009 年 12 月 经验模式分解在信号处理中的应用 杜秋华，王 飞 （中国工程物理研究院总体工程研究所所，绵阳 621900 ） 摘要：文章对经验模式分解的一般过程进行了详细介绍，并将其应用到信号分解、趋势项提取以及信号去 噪中。通过与离散小波分解比较，认为经验模式分解更具有自适应性，更能突出信号的局部特征。 关键词：经验模式分解；信号分解；趋势项提取；信号去噪；离散小波分解 中图分类号：TN911.7 文献标识码：A 1 引言 这种振动模式类似于傅里叶级数中的谐波函数。为 对于非线性信号而言，其频率是随时间变化 了得到原始数据 x(t) 的各内模函数分量，N. E. 的。因此研究频率时变的非线性信号是最直观、最 Huang 提出采用筛选的方法，具体过程如下[1-3] ： 理想的研究瞬时频率的方法，即研究时间和频率之 (1) 找出 x(t)所有的局部极大值和极小值（极 大值和极小值要分别查找）； 间的联合分布，称为时频分析。1998 年，N. E. Huang 提出了一种新的求瞬时频率的方法 Hilbert-Huang (2) 将原始信号 x(t)所有局部极大值的 3 次样 [1-3] 条插值曲线作为信号的上包络线 e (t) ，以同样的方 变换（即 HHT ） 。这种方法包括2 步：经验模 u 式分解（Empirical Mode Decompositon，简称 EMD ） 法得到所有局部极小值形成的信号下包络线 el(t) ； 和希尔伯特谱分析（Hilbert Spectrum Analysis ，简 (3) 采用下式计算 x(t) 的局部均值m1(t) ，即 e +e ( ) u l ； (1) 称 HSA ）。经验模式分解是将数据分解为有限的不 m1 t 2 同内模函数分量，这些内模函数分量分别代表着原 (4) 求取 x(t)与 m1(t)之差 始数据的不同振荡模式，同时 EMD 还起着为希尔 h (t ) x (t ) −m (t ) ， (2) 伯特谱分析进行预处理的作用。由于 EMD 方法是 1 1 基于局部极值的分解方法，因此，在信号分解时它 然后判断 h1(t)是否满足内模式函数条件。若满足， 具有局部自适应性。自从 N. E. Huang 提出这种方 则将它作为第一个内模式函数分量，并进行下一 法后，EMD 方法在各个领域就得到了广泛的应用， 步；否则将其作为原始信号继续重复第(1)～(4)步， 包括声学、