变分模态分解 python_浅谈VMD(变分模态分解)

学号：19011210554   姓名：袁博

【嵌牛导读】：好多人看着VMD看博客最想知道的就是这东西的应用和大概步骤原理，而具体原理算法不太感兴趣，而且也不太容易看懂。本文既然是浅谈，就讲解一下VMD的步骤和应用。

【嵌牛鼻子】：VMD(变分模态分解)

【嵌牛提问】：VMD是什么？怎么用？

【嵌牛正文】：

VMD是一种新的自适应信号处理方法，对非平稳、非线性信号具有良好处理效果。

VMD工作原理步骤

步骤

VMD是通过迭代搜寻变分模型(具体怎么搜寻，请亲们自己看，我主要讲他的大概)最优解， 来确定我们所知的模态uk(t)及其对应的中心频率ωk和带宽。

每个模态都是具有中心频率的有限带宽(就是在频域中有在一定的宽度)。所有模态之和为源信号。

而对求最优解采用二次惩罚和拉格朗日乘数将上诉约束问题转换为非约束问题，并用交替方向乘子法求解这个非约束问题， 通过迭代更新最终得到信号分解的所有模态。分解的所有模态中有包含主要信号的模态和包含噪声的模态。将包含主要信号的模态进行重构，从而达到去噪的效果。

如何判断相关模态

判断

用信号与模态的相似程度来判断信号与噪声 。推荐一篇论文，他对VMD进行了一些优化。例如：在VMD中一般采用局部重构，即将与原信号相似的模态就认为是信号，与原信号相差大的模态认为噪声，然而噪声模态中其实还含有一些信号，用一定方法提取信号，可增加信噪比和可信度。同理(我自己的看法)，采用定的滤波器处理信号模态来去