使用PyEMD包进行IMF的分解与重构

最新推荐文章于 2024-05-09 22:36:21 发布

wardenjohn

最新推荐文章于 2024-05-09 22:36:21 发布

阅读量1.2w

点赞数 5

分类专栏： pytorch 时间序列预测文章标签： python 算法

本文链接：https://blog.csdn.net/wardenjohn/article/details/108080527

版权

5 篇文章 1 订阅

订阅专栏

2 篇文章 0 订阅

订阅专栏

在使用PyEMD这个包我们可以通过里面实现的CCEMDAN算法对我们的信号进行分解。

我们可以得到多个分解的IMF。CEEMDAN是在集成经验模式分解（Ensemble Empirical Mode Decomposition，EEMD）的基础改进得到的。我需要对信号进行分解，这里就用到了CEEMDAN的分解方法。

我就不介绍上面是CEEMDAN和EEMD方法了，我就介绍一下如何简单的使用这两个算法来对信号进行分解。

首先，我们要使用这两个算法需要安装一个python包：

pip install PyEMD-Signal

我之前是直接安装PyEMD这个包的，但是安装了以后发现我并找不到里面的CEEMDAN的实现方法，最后是在这个PyEMD-Signal的包里面找到的。

我们安装好了以后，假设我们现在手上有一个一维的信号（我做的就是一维的信号，所以我就处理一维的信号就好了）

from PyEMD.CEEMDAN import CEEMDAN
from PyEMD import EMD
def aa(signal):
    emd = EMD()
    IMFs = emd(signal)
    return IMFs

我们先生成EMD，然后直接向EMD传入我们的信号以后返回出来的就是进行了多次IMF分解到余量最多只有一个极值得情况了。

这个返回的IMFs是一个集合，包含了所有分解出来的IMF

这样，我们就得到了IMF的分解结果了。

那我们要如何重构我们的信号呢？

rrr = np.sum(IMFs, axis=0)

其实我们的信号的重构直接通过加操作就可以完成我们信号的重构了（是不是很方便^_^）

关注