变分模态分解（VMD）

最新推荐文章于 2024-06-09 16:45:26 发布

SparkQiang

最新推荐文章于 2024-06-09 16:45:26 发布

阅读量7.1w

点赞数 71

文章标签：变分模态分解 VMD

本文链接：https://blog.csdn.net/SparkQiang/article/details/103498160

版权

变分模态分解（VMD）

VMD（Variational mode decomposition）是一种自适应、完全非递归的模态变分和信号处理的方法。该技术具有可以确定模态分解个数的优点，其自适应性表现在根据实际情况确定所给序列的模态分解个数，随后的搜索和求解过程中可以自适应地匹配每种模态的最佳中心频率和有限带宽，并且可以实现固有模态分量（IMF）的有效分离、信号的频域划分、进而得到给定信号的有效分解成分，最终获得变分问题的最优解。它克服了EMD方法存在端点效应和模态分量混叠的问题，并且具有更坚实的数学理论基础，可以降低复杂度高和非线性强的时间序列非平稳性，分解获得包含多个不同频率尺度且相对平稳的子序列，适用于非平稳性的序列，VMD的核心思想是构建和求解变分问题。
首先构造变分问题，假设原始信号f被分解为k个分量，保证分解序列为具有中心频率的有限带宽的模态分量，同时各模态的估计带宽之和最小，约束条件为所有模态之和与原始信号相等，则相应约束变分表达式为
在这里插入图片描述（1）
式中：为需要分解的模态个数（正整数），、分别对应分解后第个模态分量和中心频率，为狄拉克函数，为卷积运算符。
然后求解式（1），引入Lagrange乘法算子λ，将约束变分问题转变为非约束变分问题，得到增广Lagrange表达式为
在这里插入图片描述（2）

在这里插入图片描述文献【1】
式中：为噪声容忍度，满足信号分解的保真度要求，、、和分别对应、、和的傅里叶变换。
VMD主要迭代求解过程，展示如下第一步：初始化、、和最大迭代次数 , ；第二步：利用公式（3）和（4）更新和；第三步：利用公式（5）更新；第四步：精度收敛判据，若不满足且，则返回第二步，否则完成迭代，输出最终的和。

分解的例子：K=10（自己做的）文献【2】在这里插入图片描述

【1】[1]. Dragomiretskiy, K.; Zosso, D. Variational mode decomposition. IEEE Trans. Signal Process. 2014, 62, 531–544.
【2】李文武, 石强, 王凯, 等. 基于变分模态分解和深度门控网络的径流预测[J]. 水力发电学报, 2020, 39(3): 34-44.

SparkQiang

关注

71
点赞
踩
467

收藏

觉得还不错? 一键收藏
22
评论
变分模态分解（VMD）

变分模态分解（VMD）VMD是一种自适应、完全非递归的模态变分和信号处理的方法。其核心思想是构建和求解变分问题：在搜索时确定每个模态的中心频率和有限带宽，并且可以自适应地实现固有模态函数（IMF）的有效分离、信号的频域划分、获得给定信号的有效分解成分，最终实现变分问题的最优解。首先构造变分问题，假设原始信号f被分解为k个分量，保证分解序列为具有中心频率的有限带宽的模态分量，同时各模态的估计带宽...
复制链接

扫一扫