emd实现信息隐藏_EMD算法原理与实现

欢迎关注我们，选择加"星标"或“置顶”

更多技术，第一时间送达

SSVEP信号中含有自发脑电和大量外界干扰信号，属于典型的非线性非平稳信号。传统的滤波方法通常不满足对非线性非平稳分析的条件，1998年黄鄂提出希尔伯特黄变换(HHT)方法，其中包含经验模式分解(EMD)和希尔伯特变换(HT)两部分。EMD可以将原始信号分解成为一系列固有模态函数(IMF) [1]，IMF分量是具有时变频率的震荡函数，能够反映出非平稳信号的局部特征，用它对非线性非平稳的SSVEP信号进行分解比较合适。

EMD算法原理：

步骤1：
寻找信号全部极值点，通过三次样条曲线将局部极大值点连成上包络线，将局部极小值点连成下包络线。上、下包络线包含所有的数据点。

步骤2：
由上包络和下包络线的平均值 ，得出

若满足IMF的条件，则可认为是的第一个IMF分量。

步骤3：
若不符合IMF条件，则将作为原始数据，重复步骤1、步骤2，得到上、下包络的均值，通过计算是否适合IMF分量的必备条件，若不满足，重复如上两步次，直到满足前提下得到。第1个IMF表示如下:

步骤4：
将从信号中分离得到：

将作为原始信号重复上述三个步骤，循环次，得到第二个IMF分量直到第个IMF分量 ，则会得出：

步骤5：
当变成单调函数后