范津玮 刘晓波
(贵州大学电气工程学院,贵州 贵阳 550000)
EMD 方法是由美国的NASA 的Huang 等人所提出, 由于该方法具有良好的时频特性和自适应性,被许多专家学者广泛应用于各个方面。 例如,在结构分析领域应用到桥梁监测和模态响应分析,在自然科学领域应用于海洋、大气、天体等的观测和地球物理分析,在生物学领域应用于心率变换和肺部血压信号分析,在故障诊断领域应用于旋转机械信号分析[1]和电力系统暂态故障信号分析[2]。
由于EMD 分解的终止条件、 插值误差和端点效应等影响,常常会出现分解过度的现象。 这会导致分解得到的IMF 分量个数大于原有信号的组成个数,而多余的IMF 分量便是虚假分量。这些分量与原信号相关性较小,不能准确反映原信号的特征,所以需要准确识别出虚假分量。
EMD 分解是一种新的自适应处理非平稳信号分析方法,适用于处理非线性、非平稳性的时间序列数据。 某信号使用经验模态分解(EMD)对其进行分解后可以得到不同时间尺度的IMF 分量。 EMD 的基本公式为:

其中,x(t)为原始数据信号,IMFi为第 i 个 IMF 分量,res 为不能再分解的剩余分量。
下面以某一信号x(t)为例说明EMD 分解过程中产生的虚假分量问题。

其中,采样频率 1 000 Hz,采样点数 1 000 点。 其波形图如图1 所示。对该信号进行EMD 分解,结果如图2 所示。 进一步求各阶IMF 的傅里叶频谱图,结果如图3 所示。

图1 仿真信号波形图

图2 EMD 的分解结果图

图3 各IMF 分量的傅里叶频谱图……p>