EMD(经验模态分解)的局限性:
- 可能在一种模态下产生尺度非常不同的振荡;
- 或者在不同模态下产生尺度相似的振荡;当每个模态的尺度都相似时,这种结果称为“模态混叠”。
改进——EEMD(集成经验模态分解)
改进点:它对原始信号的噪声副本进行集成分解,通过平均得到最终结果。
EEMD的局限性:
- 重构误差较大;
- 信号+噪声的不同实现可能会产生不同数量的模式,使得最终的平均变得困难。
改进——CEEMDAN(自适应噪声的完全集成经验模态分解)
改进点:实现了可以忽略不计的重构误差,解决了不同实现信号加噪声时不同模态数的问题。
CEEMDAN的局限性:
- 它的模式包含一些残余噪声;
- 信号信息出现较EEMD“晚”,在分解早期存在一些“伪”模态,前两种或三种模式包含大量的噪声以及相似的信号尺度。
EMD
EMD技术通常将原始信号拆分成若干个内涵模态分量(imf)之和。
内涵模态分量(imf)必须满足两个条件:
- 极值(最大值和最小值)的数量和过零的数量必须相等或最多相差一个;
- 在任意时刻,由局部极大值点形成的上包络线和由局部极小值点形成的下包络线的平均值为零,即上、下包络线相对于时间轴局部对称。
参考内容: