一、什么是模态?
模态(英文名称叫做Mode,也可叫做Intrinsic Mode Function),可以通俗地将其理解为从原始信号中分解出的子信号。
二、Variational Mode Decomposition的介绍
Variational Mode Decomposition(变分模态分解,简称VMD)的作用是将构成一个信号的多个子信号分解出来。如下图所示,信号(a)经过VMD后分解成了三个模态(也即三个子信号),这三个模态正是构成信号(a)的三个子信号。
三、Variational Mode Decomposition的算法流程
其算法流程如下图所示。
u
^
k
n
+
1
(
ω
)
\hat{u}_{k}^{n+1}(\omega)
u^kn+1(ω):表示第K个模态的频域表示,
n
+
1
n+1
n+1表示第
n
+
1
n+1
n+1次的迭代结果。
ω
k
n
+
1
\omega_{k}^{n+1}
ωkn+1:表示第K个模态的中心频率。
f
^
(
ω
)
\hat{f}(\omega)
f^(ω):表示待分解信号的频域表示。
α
、
τ
\alpha、\tau
α、τ:这两参数是人为设定的,需要根据情况而定。对于
α
\alpha
α,当模态个数设定合适时,增加
α
\alpha
α可降低模态的带宽,而风险是不能正确捕获模态的中心频率
ω
k
\omega_{k}
ωk,而
α
\alpha
α过低,则在分解出的模态中会包含更多的噪声。对于
τ
\tau
τ,其控制着拉格朗日乘子,在低噪声条件下,即使随机地初始化模态的中心频率
{
ω
k
1
}
\left\{\omega_{k}^{1}\right\}
{ωk1},拉格朗日乘子也可以使得分解出的模态100%正确,也即拉格朗日乘子增强了VMD的收敛性能。但是在噪声程度较高条件下,拉格朗日乘子反而会降低分解出的模态的正确性,此时可以令
τ
\tau
τ为零舍去拉格朗日乘子。
四、Variational Mode Decomposition的作用
1、将构成一个信号的多个子信号分解出来。
2、一个含噪信号,将构成此信号的多个子信号分解出来,再用该些子信号重构为原来的信号可起到降噪效果。
五、Variational Mode Decomposition的优缺点
优点:
1、相对于Empirical Mode Decomposition,Variational Mode Decomposition对采样和噪声具有更强的鲁棒性。
2、相对于Empirical Mode Decomposition,Variational Mode Decomposition在分解复杂信号方面效果更好。
缺点:与Empirical Mode Decomposition一样,需要手工设定模态个数,模态个数过多过少都会影响分解精度。
说明及参考文献
说明:本博客只是介绍了一下Variational Mode Decomposition,并没有解释其原理。
参考文献:K. Dragomiretskiy and D. Zosso, ``Variational mode decomposition,‘’ IEEE Trans. Signal Process., vol. 62, no. 3, pp. 531534, Feb. 2014.