经验模态分解
经验模态分解EMD是基于瞬时频率、本征模态函数(Intrinsic Mode Function,IMF)的概念,能够将复杂信号分解为若干个IMF分量,每个IMF表征信号的局部特征。依据的是数据自身的时间尺度特征来进行信号分解,无需预先设定任何基函数,因此具有自适应性。再通俗一点,EMD就像一台机器,把一堆混在一起的硬币扔进去,他会自动按照1元、5毛、1毛、5分、1分地分成几份。
经验模态分解的基本思想:将一个频率不规则的波化为多个单一频率的波+残波的形式。原波形 = ∑ IMFs + 余波。
EMD方法是基于如下假设基础上的:
(1)信号至少有两个极值点,一个极大值和一个极小值;
(2)特征时间尺度通过两个极值点之间的时间定义;
(3)若数据缺乏极值点但有形变点,则可通过数据微分一次或几次获得极值点,然后再通过积分来获得分解结果。
基于python的emd函数库的改进
为了项目需求,可以实际重构需求,定义重构数量,如下图所示:
当然,上图中的max_imf要保持一致,其含义:分解imf分量的数量