- VMD的优越性取决于分解后的模态数和惩罚因子的精度设置,这将导致信息丢失或过度分解,并影响特征提取的结果。为了克服VMD的局限性,提出了一种自适应参数优化VMD(APOVMD)方法,该方法可以自适应地确定最合适的分解参数,提高VMD的性能.
- 在大多数情况下,模态K的个数由观测中心频率法确定,惩罚因子α的值是VMD算法的默认值。然而,该方法要求用户不断修改参数K和α,以避免两个相邻模态的中心频率重叠,这也缺乏自适应性。为了自适应地确定最优参数,提出了一种自适应参数优化的VMD(APOVMD)方法。该方法的原理是根据比较在相同的K和α条件下,两个相邻模态的中心频率与阈值的比值来确定最优参数组合。
- APOVMD流程图如下
- 效果图: