经验模式分解(EMD)及示例

        本文是在下面博客的基础上改进的,原博主提供的工具箱已经不能使用了,个人慢慢摸索后最终使程序正常运行了,本人使用MATLAB 2016a软件。

https://blog.csdn.net/qrlhl/article/details/52213135#commentsedit

EMD简介及原理等的讲解请查看原博客,此处不再赘述,本文主要介绍MATLAB实现的过程。

1.Matlab工具箱安装

        个人在实现原博客中的例子时,没有专门再安装时频分析工具箱,不知是以前做其他的项目时已经安装了还是2016版已经默认自带了(如果需要额外安装,请提醒我改正一下),我只安装了EMD工具箱(下载地址:https://download.csdn.net/download/u012115453/10865683)。

(1)解压下载的工具箱,将其复制到matlab的toolbox文件夹下;
(2)建立搜索路径,matlab->设置路径->添加并包含子文件夹->找到在toolbox目录下的emd->保存->关闭
(3)在MATLAB命令行窗口输入“install_emd.m”运行就可以啦。

2、程序演示

这里还是使用原博客的例子,简单易懂。

fs = 1000;
ts = 1/fs;
t=0:ts:0.3;
z = sin(2*pi*10*t) + sin(2*pi*100*t);
imf=emd(z);
emd_visu(z,t,imf)  % EMD专用画图函数

 运行后得到以下结果:

emd

f2c

c2f

  • 13
    点赞
  • 108
    收藏
    觉得还不错? 一键收藏
  • 21
    评论
EMD(Empirical Mode Decomposition)是一种数据分解方法,它将信号分解为一组本地特征模式(Intrinsic Mode Functions,简称IMFs)。下面是一个基于Python的EMD自适应分解的代码示例: ```python import numpy as np import scipy.signal as signal def emd(signal): imfs = [] # 存储分解后的IMFs while True: # 判断是否满足终止条件 if np.sum(np.abs(signal)) < 1e-10: break # 计算当前信号的极值点 maxima = signal.argmax() minima = signal.argmin() # 提取极值点之间的局部极值包络 envelope = np.zeros_like(signal) envelope[maxima], envelope[minima] = signal[maxima], signal[minima] spline = signal[maxima:minima+1] interp = np.interp(np.arange(maxima, minima+1), [maxima, minima], spline) envelope[maxima:minima+1] = interp # 计算当前信号与局部极值包络的差值 imf = signal - envelope # 将提取的IMF存入结果列表中 imfs.append(imf) # 更新当前信号为差值 signal = imf return imfs # 示例使用 # 生成一个示例信号 t = np.linspace(0, 1, 1000) signal = np.sin(2 * np.pi * 5 * t) + np.sin(2 * np.pi * 10 * t) # 进行EMD分解 imfs = emd(signal) # 绘制分解后的IMFs import matplotlib.pyplot as plt plt.figure(figsize=(12, 8)) for i, imf in enumerate(imfs): plt.subplot(len(imfs), 1, i+1) plt.plot(t, imf) plt.xlabel('Time') plt.ylabel('Amplitude') plt.tight_layout() plt.show() ``` 以上代码是一个简单的EMD自适应分解的实现,通过调用`emd(signal)`函数,可以将输入信号分解为一组IMFs。然后,可以对这些IMFs进行进一步的分析或处理。在示例中,我们生成了一个包含两个正弦波的信号,并将其进行了EMD分解,最终绘制了分解后的IMFs。你可以根据自己的需求修改代码。
评论 21
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值