面向非平穩信號的整體經驗模態分解研究

《面向非平穩信號的整體經驗模態分解研究》是依託長春工業大學，由秦喜文擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：面向非平穩信號的整體經驗模態分解研究
• 項目類別：青年科學基金項目
• 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；針對EMD方法對實際數據分解造成的模態混疊現象，構建引入白噪聲輔助分析的整體平均的經驗模態分解（EEMD）算法，通過分析證明其可行性，具體給出EEMD方法在金融、圖像處理方面的套用實例，證明EEMD算法在抗噪方面的良好性能。EEMD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的算法思想，針對經驗模態分解方法對數據分解造成的模態混疊現象，構建引入白噪聲輔助分析的整體經驗模態分解算法，並在實際問題中進行推廣套用，表明其有效性和可行性。為了揭示我國股票市場的分形特徵，利用經驗模態分解及重標極差分析法來探究中國股票市場的特徵。結果表明，這段時期的我國股票市場具有顯著的自相似性，分解後的收益率序列為有偏的隨機遊走過程。通過採用整體經驗模態分解方法分析北京市PM2.5，把原始時間序列分解成為了多個固有模態函式和趨勢項，對各階固有模態函式進行周期性分析，揭示了北京市PM2.5的周期性變化特點，對分解後的各階固有模態函式和趨勢項用支持向量回歸方法進行預測。本預測模型為環保部門對北京市PM2.5的短期預測提供科學有效的方法，為政府對PM2.5的治理給予決策支持。準確的判斷出滾動軸承在運作過程中的工作狀態對零件更換、設備維修等意義重大。將改進的經驗模態分解與多尺度熵結合起來，提出基於多尺度下的固有模態函式熵值的一個故障診斷識別方法，套用到滾動軸承的振動信號當中，其分析結果表明，通過改進的經驗模態分解與多尺度熵結合起來，計算構造屬性特徵向量，可以準確識別機械故障診斷。高頻金融數據波動率的估計在資產定價和金融工程中都發揮著重要的作用。採用希爾伯特-黃變換進行波動率估計，並將其與已實現波動率的方法進行比較，結果表明希爾伯特-黃變換方法估計高頻數據波動率準確、有效。整體經驗模態分解算法為數據分析領域提供一種新的、有效的計算方法，為多元數據分析方法奠定了良好的理論基礎，具有重要的理論意義和套用價值。