目录
1.简介
经验模态分解(Empirical Mode Decomposition,EMD)方法适合分析和处理非平稳、非线性信号, 但是该方法存在问题和不足之处,主要是:①用EMD分解得到的(本征模态函数)存在模态混叠现象;②末端效应影响分解效果。为了抑制EMD的模态混叠现象,法国的Handrin等人用EMD对白噪声分解后的结果进行统计,提出了基于噪声辅助分析的改进EMD方法,即集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)。
2.原理
EEMD方法的本质是一种叠加高斯白噪声的多次经验模式分解,利用了高斯白噪声具有频率均匀分布的统计特性,通过每次加入同等幅值的不同白噪声来改变信号的极值点特性,之后对多次EMD得到的相应IMF进行总体平均来抵消加入的白噪声,从而有效抑制模态混叠的产生。EEMD分解步骤如下:
(1)设定总体平均次数;
(2)将一个具有标准正态分布的白噪声