EMD方法处理实测风速数据初探.PDFVIP

第六届全国实验流体力学学术会议 EMD 方法处理实测风速数据初探 陈凯 余永生 魏庆鼎 (北京大学湍流与复杂系统国家重点实验室，北京，100871) 摘要 EMD （经验模分解, Empirical mode decomposition ）方法是近年来发展起来的一种处理非平稳随机信 号的新方法。本文对 EMD 方法和 Hilbert 谱进行了介绍，并利用该方法对一次大风实测数据进行了处理分 析。 关键词 EMD 方法, Hilbert 谱, 非平稳随机信号 APPLICATION OF EMD METHOD ON OBSERVED WIND DATA CHEN Kai YU Yong-sheng and WEI Qing-ding State Key Laboratory for Turbulence and Complex System, Peking University Beijing, 100871,China Abstract: The empirical mode decomposition method was a new technique applying on the non-stationary time series. It was introduced summarily in this paper, as well as the Hilbert spectrum. The observed wind data was processed using this method. Key words: EMD method, Hilbert spectrum, non-stationary time series 1.引言 在随机信号处理领域，运用最普遍的是傅立叶分析的方法，它将随机信号在时域和频域进行相 互转化，从而获得随机信号的不同特征。但由于傅立叶分析是基于整个数据序列的，具有全域性， 因此对于非平稳、非线性的随机信号，傅立叶分析得到的结果物理意义往往不那么明确。而随后发 展起来的短时傅立叶变换、小波变换等方法在一定程度上克服了傅立叶分析的缺点，提高了对非平 稳数据的处理能力，可以在一定的范围内对信号进行时－频分析，但它们仍然存在着分辨率偏低、 处理结果依赖于不同小波基函数的选择等等局限。 为描述随机信号的瞬时频域特征，人们很早就提出了解析信号和瞬时频率这样的概念(1) ，然而 若对其不加限制的运用，则会导致五个悖论(2) 。事实上，瞬时频率仅当信号在某个瞬时仅有单一的 频率成分时是有明确物理含义的。为了在非平稳随机信号的处理过程中，使获得的信号的瞬时频域 特征有物理意义，N. E. Huang 等人(3)提出了经验模分解的方法。其基本思路改变了传统的傅立叶分 析将信号在设定的正交基函数上进行展开的作法，而是根据信号本身的特征将信号进行分解，使分 解出来的每一个时间序列（内在模函数）在每个时刻都近似地仅包含一个频率分量，因此每个时间 序列的瞬时频率都具有明确的物理意义。将所有分量的强度以等值线的方式绘制在时间－频率平面 上，就得到了 Hilbert 谱，由此可以直观的考察信号频域特性随时间的变化。 经验模分解方法提出后，在信号处理领域获得了广泛的关注和运用(4)-(6) ，国内不少学者也开展 (7)-(9) 了关于经验模分解方面的相关研究 。本文简单介绍了经验模分解和 Hilbert 变换，并使用该方法 对一段风速实测进行了分析处理。 179 Proceedings of The 6th China National Conference on Experimental Fluid Mechanics 2.数据分析方法简介 2.1 解析信号、瞬时频率和Hilbert 变换 众所周知，实信号的能量密度频谱是关于原点对称的。在负频率上含有能量并不具有实际意义。 为了更好的描述信号的频域特性，我们可以引入复信号