emd 消除端点效应 matlab代码,对五种改善EMD端点效应的方法进行分析

引言

1998年，Huang等人提出了一种新的信号处理方法：经验模态分解方法(EmpiricalModeDecomposition,EMD)。它用不同特征尺度的数据序列本征模函数(IntrinsicModeFunction,IMF)分量来逐级分解信号。

该方法可以对一个非平稳信号进行平稳化处理。

在EMD分解中，每个IMF需要多次“筛选”过程，而每一次筛选过程，需要根据上、下包络计算出信号的局部平均值。上(下)包络是由信号的局部极大(小)值通过3次样条插值得到的。但信号的端点不可能同时处于极大值或极小值，因此上、下包络在数据序列两端会发散，且这种发散会随着运算的进行而逐渐向内，从而使得整个数据序列受到影响，这就是所谓的EMD方法的端点效应。

国内外很多研究者对改进EMD端点效应问题进行了研究。目前，常用的EMD端点效应处理方法有镜像法、极值延拓法、神经网络预测、多项式外延方法、平行延拓法、边界局部特征尺度延拓法。神经网络延拓算法的运算速度慢，在工程应用中实时性差。所以本文只对镜像法、极值延拓法、多项式法、平行延拓法和边界局部特征尺度延拓法进行比较，从而得到对工程应用有指导意义的结果。

1EMD方法

EMD方法中假设：

(1)任何信号都可以分解为若干个IMF分量；

(2)各个IMF分量可以是线性的或非线性的，局部的零点数和极值点数相同，且上下包络关于时间轴局部对称；

(3)一个信号可包含若干个IMF分量。

每个IMF分量的计算步骤为：

首先，计算原信号x(t)的极值点，然后用三次样条函数拟合出极大(小)值包络线e+(t)(e-(t))。原信号的均值包络m1(t)是上下包络线的平均值：