1、将有具体物理解释的单分量信号称为固有模态函数,又称为本征模函数,intrinsic mode function,IMF。
2、经验模态分解,Empirical Mode Decomposition,EMD是自适应信号的处理方法,它把不平稳的信号分解成一组固有模态函数(IMFs)。
在经典傅里叶变换中,一个正弦或余弦函数的频率可以在信号的整个时间尺度上表现出来,如果要得出某信号在特定时间尺度下的瞬时频率,那么该信号最好是正弦信号、余弦信号或者两种信号的叠加。若要对复杂信号进行分析,必须找到使复杂信号分解成若干个单分量信号的方法,然后对每一个单分量信号提取瞬时频率。
本文使用【固有模态函数】代表IMF。固有模态函数的两个必要条件包括:
1、在整个数据集,局部极大值与局部极小值数目之和必须与过零点的数目相等或至多相差一个;
2、在任意时间点,局部极大值所定义的上包络线与局部极小值所定义的下包络线均值为零。
其中,条件2主要是为了保证分解出的信号波形对称工整,减少不必要的波动和不对称分量的干扰。通常来说,实际信号都不满足固有模态函数的定义,无法取得其瞬时频率,也无法对其进行分析。
【重点】:一个实际信号可以看做是几个固有模态函数的叠加,通过把一个实际信号分解为多个固有模态函数,并对每一个固有模态函数进行Hilbert变换,进而得到其瞬时频率,实现对实际信号的通用分析方法,即经验模态分解(Empirical Mode Decomposition,EMD)方法。
EMD,即经验模态分解的一般步骤如下:
上图中的第一步需要自己查阅有关【三次样条插值】相关知识,这里不进行介绍。
Hilbert-Huang Transform,HHT,希尔伯特-黄变换。
HHT方法的过程:
1、首先通过对原始信号进行经验模态分解EMD,得到一定数目的能反映信号不同尺度特征的固有模态函数IMF;
2、然后对固有模态函数进行hilbert变换,得到信号的时间-频率分布曲线、瞬时频率和振幅等;
3、最后对信号进行分析。