作为常用的信号分解方法之一,解析模态分解方法(AMD)不仅适用于平稳信号的处理,还可以分离时变非平稳信号。该方法通过选取合适的截止频率将多分量信号分解为多个频谱互不重叠的分量信号,具有很高的计算效率。AMD的基本理论如下:
通过一个合成信号来对AMD方法的有效性进行说明。设定信号采样频率fs=100Hz,采样时间t=10s,两信号的理论频率为:
合成信号如式(4)所示:
对原多分量信号添加20%的高斯白噪声。所加噪声的强度大小由信噪比(Signal Noise Ratio, SNR)来进行定义,如式(5)所示:
原多分量信号x(t)加噪后的时域图如图1所示。图2为分量信号x1(t)和x2(t)的瞬时频率理论值。根据两个分量信号频率理论值表达式可算出两分量信号x1(t)和x2(t)理论瞬时频率最小之差为0.25Hz,因此可将两单分量信号x1(t)和x2(t)认为是频率相近的密集模态响应信号。
AMD的关键在于截止频率的选取,根据图2中理论频率,将2.9Hz作为AMD的截止频率,然后对信号x(t)进行分解,最终得到两个不同的分量信号。为明确AMD的分解能力,同时给出了经验模态分解(EMD)的结果,如图3(a)和(b)所示。从结果来看,AMD分解出来的信号与原单分量信号理论值基本能吻合在一起,走势一致。而EMD的分解结果与理论值相比,偏差较大,具有明显的端点效应,整个时间历程内呈现出不稳定波动的状态。
由此可得:在噪声含量相同的情况下,EMD方法对多分量密集模态响应信号的分解效果并不理想。与理论值相比,偏差较大,且伴随着比较明显的端点效应。而AMD方法分解得到的分量信号与原分量信号走势更加吻合,分解效果远优于EMD方法,比较适用于多分量密集模态信号的分离。