EEMD算法原理及应用

目录

1.简介

2.原理

3.应用于信号去噪

3.1仿真信号

3.2信号的分解

3.3相关系数

 3.4信号的重构

4.总结

5.参考文献

---

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