基於自適應樣條小波的經驗模態分解研究

《基於自適應樣條小波的經驗模態分解研究》是依託長春工業大學，由秦喜文擔任項目負責人的數學天元基金項目。

基本介紹

• 中文名：基於自適應樣條小波的經驗模態分解研究
• 項目類別：數學天元基金項目
• 項目負責人：秦喜文
• 依託單位：長春工業大學

項目摘要

非線性、非平穩信號處理是近年來數據分析領域的熱點問題。本項目系統研究希爾伯特-黃變換（HHT）中經驗模態分解（EMD）方法所存在的問題，深入挖掘經驗模態分解（EMD）的算法思想，針對傳統的EMD方法會引入極值點過沖和欠沖問題，提出將樣條小波函式作為基函式，利用其良好的局部性質，直接計算數據的均值，提高計算效率，通過分析證明其可行性，給出一種新的EMD方法在數據分析方面的套用實例，證明算法具有良好的性能。基於樣條小波函式的EMD算法將會給數據處理等領域提供一種新的、有效的分析方法，為多元數據分析方法奠定了良好的基礎，具有重要的理論意義和套用價值。

結題摘要

非線性、非平穩信號處理是近年來數據分析領域的熱點和難點問題。本項目系統研究希爾伯特-黃變換中經驗模態分解方法所存在的問題，深入挖掘經驗模態分解方法，針對傳統的EMD 方法會引入極值點過沖和欠沖問題，提出將小波函式作為基函式，利用其良好的局部性質，提高計算效率，給出一種新的EMD 方法在數據分析方面的套用實例。分別將三次樣條函式、Db小波函式、雙正交樣條小波函式作為插值函式，進行對比誤差分析，結果表明，利用小波函式實現EMD方法獲取的固有模態函式比三次樣條函式的精度高，而提取趨勢項部分利用小波函式的優勢不明顯。基於小波函式的EMD 算法將給數據處理等領域提供一種新的、有效的分析方法，為數據分析方法奠定了良好的基礎，具有重要的理論意義和套用價值。