经验模态分解法简析 （转）

http://blog.sina.com.cn/s/blog_55954cfb0102e9y2.html

美国工程院士黄锷博士于1998年提出的一种信号分析方法： 重点是黄博士的具有创新性的经验模态分解（Empirical Mode Decomposition）即EMD法，它是一种自适应的数据处理或挖掘方法，非常适合非线性，非平稳时间序列的处理，本质上是对数据序列或信号的平稳化处理。

1：关于时间序列平稳性的一般理解：

所谓时间序列的平稳性，一般指宽平稳，即时间序列的均值和方差为与时间无关的常数，其协方差与时间间隔有关而也与时间无关。简单地说，就是一个平稳的时间序列指的是：遥想未来所能获得的样本时间序列，我们能断定其均值、方差、协方差必定与眼下已获得的样本时间序列等同。

反之，如果样本时间序列的本质特征只存在于所发生的当期，并不会延续到未来，亦即样本时间序列的均值、方差、协方差非常数，则这样一个时间序列不足以昭示未来，我们便称这样的样本时间序列是非平稳的。

形象地理解，平稳性就是要求经由样本时间序列所得到的拟合曲线在未来的一段期间内仍能顺着现有的形态“惯性”地延续下去；如果数据非平稳，则说明样本拟合曲线的形态不具有“惯性”延续的特点，也就是基于未来将要获得的样本时间序列所拟合出来的曲线将迥异于当前的样本拟合曲线。

事实上，世界上几乎不存在理想的“平稳”时间序列。欧阳首承教授曾指出：“平稳序列性消除了小概率事件”。即在欧阳教授的溃变论看来，EMD这一方法也是有问题的。但是，该方法确实扩展了平稳化这一传统思想的应用范围，即扩展到了对任何类型的时间序列的处理，也是了不起的新进展。

2：EMD方法：

EMD 方法在理论上可以应用于任何类型的时间序列（信号）的分解，因而在处理非平稳及非线性数据上，比之前的平稳化方法更具有明显的优势。所以，EMD方法一经提出就在不同的工程领域得到了迅速有效的应用，例如用在海洋、大气、天体观测资料与地球物理记录分析等方面。

该方法的关键是它能使复杂信号分解为有限个本征