常见不同模态信号分解方法探讨

作者：邢昀; 荣剑^*

来源：现代计算机(专业版), 2018, (36): 7-11.

• 经验模态分解(EMD)
• 集合经验模态分解(EEMD)
• 补充的集合经验模态分解(CEEMD)
• 改进的集合经验模态分解(MEEMD)
• 变分模态分解(VMD)

经验模态分解(EMD)是一种自适应的信号时频分析方法,它把信号分解成一系列本征模态函数(IMF)和残差分量。集合经验模态分解方法(EEMD)是通过向原始信号中加入高斯白噪声,来抑制经验模态分解过程中存在的模态混叠现象。补充的EEMD(CEEMD)是通过向目标信号添加成对的符号相反的白噪声,来确保信号分解具有真实的物理意义。改进的集合经验模态分解(MEEMD)结合CEEMD与排列熵(PE)算法在抑制模态混叠方面取得理想的结果,并解决计算量大的问题。变分模态分解(VMD)是在EMD的基础上发展出来的一种新型信号处理方法,它进一步避免模态混叠现象并且有着更高的运算效率。讨论EMD、EEMD、CEEMD、MEEMD、VMD在信号分解处理时的效果差异。

• 单位
  西南林业大学