經驗模態分解(Empirical Mode Decomposition,縮寫EMD)是由黃鍔(N. E. Huang)與其他人在美國國家宇航局於1998年創造性地提出的一種新型自適應信號時頻處理方法,特別適用於非線性非平穩信號的分析處理。
經驗模態分解(Empirical Mode Decomposition,EMD)是由 Huang等人於1998年提出的一種針對非線性、非平穩信號的自適應信號分解算法。自該方法提出以後便得到了學術界的廣泛關注與研究,經過十幾年的研究與發展,在理論方面EMD算法取得了進一步的完善。許多國內外學者也將該方法套用到了地球物理領域,並做了深度的研究與探索。與傳統的基於Fourier變換的信號分析方法相比,EMD不僅突破了Fourier變換的局限性,而且不存在如小波變換一樣需要預選小波基函式的問題,具有良好的時頻解析度和自適應性,能夠完美地重構原始信號,同時具有突出信號中可能被忽視的精細地質構造的潛能。在噪聲壓制方面,EMD將含噪信號分解後,能夠將信號中的噪聲和有效信號在不同的固有模態函式(intrinsic mode function,IMF)中分離開來,通過合理地選擇IMF重構信號,達到去除噪聲的目的。
基本介紹
- 中文名:經驗模態分解(
- 外文名:EMD
- 本質:自適應信號分解算法
簡介
基本原理
一個本徵模函式必須滿足以下兩個條件:
第一個條件是很明顯的,它與傳統的平穩高斯信號的窄帶要求類似。對於第二個條件,是一個新的概念,它把經典的全局性要求修改為局部性要求,使瞬時頻率不再受不對稱波形所形成的不必要的波動所影響。實際上,這個條件應為“數據的局部均值是零”。但是對於非平穩數據來說,計算局部均值涉及到“局部時間尺度”的概念,而這是很難定義的。因此,在第二個條件中使用了局部極大值包絡和局部極小值包絡的平均為零來代替,使信號的波形局部對稱。研究表明,在一般情況下,使用這種代替,瞬時頻率還是符合所研究系統的物理意義。本徵模函式表征了數據的內在的振動模式。由本徵模函式的定義可知,由過零點所定義的本徵模函式的每一個振動周期,只有一個振動模式,沒有其他複雜的奇波;一個本徵模函式沒有約束為是一個窄帶信號,並且可以是頻率和幅值的調製,還可以是非穩態的;單由頻率或單由幅值調製的信號也可成為本徵模函式。