引言
1998 年,Huang 等人提出了一種新的信號(hào)處理方法:經(jīng)驗(yàn)?zāi)B(tài)分解方法(Empirical Mode Decomposition,EMD)。它用不同特征尺度的數(shù)據(jù)序列本征模函數(shù)(Intrinsic Mode Function,IMF)分量來逐級(jí)分解信號(hào)。
該方法可以對(duì)一個(gè)非平穩(wěn)信號(hào)進(jìn)行平穩(wěn)化處理。
在EMD分解中,每個(gè)IMF需要多次“篩選”過程,而每一次篩選過程,需要根據(jù)上、下包絡(luò)計(jì)算出信號(hào)的局部平均值。上(下)包絡(luò)是由信號(hào)的局部極大(?。┲低ㄟ^3次樣條插值得到的。但信號(hào)的端點(diǎn)不可能同時(shí)處于極大值或極小值,因此上、下包絡(luò)在數(shù)據(jù)序列兩端會(huì)發(fā)散,且這種發(fā)散會(huì)隨著運(yùn)算的進(jìn)行而逐漸向內(nèi),從而使得整個(gè)數(shù)據(jù)序列受到影響,這就是所謂的EMD 方法的端點(diǎn)效應(yīng)。
國(guó)內(nèi)外很多研究者對(duì)改進(jìn)EMD端點(diǎn)效應(yīng)問題進(jìn)行了研究。目前,常用的EMD 端點(diǎn)效應(yīng)處理方法有鏡像法、極值延拓法、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)、多項(xiàng)式外延方法、平行延拓法、邊界局部特征尺度延拓法。神經(jīng)網(wǎng)絡(luò)延拓算法的運(yùn)算速度慢,在工程應(yīng)用中實(shí)時(shí)性差。所以本文只對(duì)鏡像法、極值延拓法、多項(xiàng)式法、平行延拓法和邊界局部特征尺度延拓法進(jìn)行比較,從而得到對(duì)工程應(yīng)用有指導(dǎo)意義的結(jié)果。
1 EMD方法
EMD方法中假設(shè):
(1)任何信號(hào)都可以分解為若干個(gè)IMF分量;
(2)各個(gè)IMF分量可以是線性的或非線性的,局部的零點(diǎn)數(shù)和極值點(diǎn)數(shù)相同,且上下包絡(luò)關(guān)于時(shí)間軸局部對(duì)稱;
(3)一個(gè)信號(hào)可包含若干個(gè)IMF分量。
每個(gè)IMF分量的計(jì)算步驟為:
首先,計(jì)算原信號(hào)x(t) 的極值點(diǎn),然后用三次樣條函數(shù)擬合出極大(小)值包絡(luò)線e+(t)( e-(t))。原信號(hào)的均值包絡(luò)m1(t) 是上下包絡(luò)線的平均值:
若h11(t) 不滿足IMF 定義的條件,則它不是平穩(wěn)信號(hào),重復(fù)進(jìn)行上述過程k 次( k 一般小于10),直到找到滿足IMF的定義的h1k (t) ,則x(t) 的一階IMF分量為:
將r1(t) 作為原始數(shù)據(jù),再得到第2個(gè)IMF分量c2 (t) ,依此類推,得到n 個(gè)IMF 分量,直到rn (t) 是單調(diào)函數(shù)或常量時(shí),EMD分解過程停止。
最后,x(t) 經(jīng)EMD分解后得到:
式中rn (t) 為趨勢(shì)項(xiàng),代表信號(hào)的平均趨勢(shì)或均值。
2 改善端點(diǎn)效應(yīng)的幾種方法
本文在Matlab下實(shí)現(xiàn)了5種常用的改善EMD 端點(diǎn)效應(yīng)的方法,并用于比較測(cè)試,它們分別為:
(1)端點(diǎn)鏡像方法。以信號(hào)兩端的邊界為對(duì)稱,把信號(hào)向外映射,得到原信號(hào)的鏡像,形成一個(gè)閉合的曲線,從而得到完整的包絡(luò)曲線。
(2)極值延拓法。以端點(diǎn)的一個(gè)特征波為依據(jù),在兩端各延拓兩個(gè)極大值和極小值。
(3)多項(xiàng)式擬合法。對(duì)原信號(hào)的極值點(diǎn)序列,利用端點(diǎn)處3 個(gè)極值點(diǎn)進(jìn)行多項(xiàng)式擬合計(jì)算出的值作為端點(diǎn)處極值點(diǎn)的近似取值,以確定邊界極值點(diǎn)的位置。
(4)平行延拓法。利用端點(diǎn)附近的兩個(gè)相鄰極值點(diǎn)(一個(gè)極大值,一個(gè)極小值)處斜率相等這一特性,人為在兩端定義出兩個(gè)極值點(diǎn)。
(5)邊界局部特征尺度延拓法。把調(diào)幅趨勢(shì)和端點(diǎn)處局部極值點(diǎn)的時(shí)間間隔相結(jié)合,在信號(hào)兩端分別添加一對(duì)極大值點(diǎn)和極小值點(diǎn)。
3 端點(diǎn)效應(yīng)評(píng)價(jià)指標(biāo)
本文采用3個(gè)指標(biāo)來評(píng)價(jià)多種端點(diǎn)效應(yīng)處理方法的效果:
(1)計(jì)算EMD 分解后各分量信號(hào)與對(duì)應(yīng)的原信號(hào)之間的相似系數(shù)ρ 信號(hào)的包絡(luò)發(fā)生形狀畸變,引起端點(diǎn)效應(yīng),從而使各個(gè)分量的分解不準(zhǔn)確??梢员容^EMD分解后的各IMF分量和原信號(hào)分量之間的相似度,來評(píng)價(jià)各抑制端點(diǎn)效應(yīng)算法的抑制效果。
式中:cov-( ) 表示協(xié)方差;σ-( ) 表示方差;IMFi 表示信號(hào)經(jīng)過EMD分解后的第i 個(gè)模態(tài)分量;xi 為相對(duì)應(yīng)的原信號(hào)組成分量。ρ 值越大,說明端點(diǎn)效應(yīng)的抑制越好。
(2)計(jì)算EMD 分解后得到的各IMF 分量和原信號(hào)相應(yīng)的分量之間的平均相對(duì)誤差[9].
式中:N 表示信號(hào)的總個(gè)數(shù);xi(k) 表示原信號(hào)第i 個(gè)分量;IMFi(k) 表示EMD 分解后得到的相應(yīng)分量。
error_IMFi 越小,說明端點(diǎn)效應(yīng)的抑制越好。
(3)運(yùn)算時(shí)間。保證算法抑制端點(diǎn)效應(yīng)效果的前提下,算法不能過于復(fù)雜,以滿足實(shí)時(shí)性。
4 實(shí)驗(yàn)結(jié)果分析
假定測(cè)試信號(hào)是一個(gè)調(diào)頻調(diào)幅非線性仿真信號(hào),其表達(dá)式為:
式中采樣頻率1 000 Hz,采樣點(diǎn)數(shù)250 點(diǎn),時(shí)域波形如圖1所示。
為了比較延拓后的分解結(jié)果,將原信號(hào)的組成分量一并給出,圖2是沒有進(jìn)行端點(diǎn)處理的信號(hào)EMD分解結(jié)果,從圖中可以看到,在兩端點(diǎn)處有比較大的失真,并且會(huì)“ 向內(nèi)污染”.圖2~圖7 中虛線為原分量;實(shí)線為EMD的分解結(jié)果。
圖3~圖7分別是用端點(diǎn)鏡像方法、多項(xiàng)式擬合法、極值延拓法、平行延拓法和邊界局部特征尺度延拓法延拓后得到的EMD分解結(jié)果。
由圖可知,這幾種方法都有效改善了EMD 的端點(diǎn)效應(yīng),其中極值延拓法對(duì)于端點(diǎn)效應(yīng)的改善比較明顯,其他方法得到的結(jié)果,在兩端仍有發(fā)散現(xiàn)象。表1給出了文中所述5種端點(diǎn)抑制方法對(duì)所給信號(hào)處理后的性能評(píng)價(jià)結(jié)果。
由表1給出參數(shù)可看出,對(duì)于給定準(zhǔn)周期的測(cè)試信號(hào),極值延拓法分解得到相似系數(shù)最大,分解誤差最小,分解精度最高;平行延拓法得到的相似系數(shù)最小,分解誤差最大,分解精度較低。比較運(yùn)行時(shí)間,極值延拓法和平行延拓法計(jì)算速度最快,多項(xiàng)式擬合法耗時(shí)較長(zhǎng)。
5 結(jié)語
在EMD 分解過程中,由于多次對(duì)局部極大值和局部極小值運(yùn)用3次樣條插值,從而產(chǎn)生了引起失真的端點(diǎn)效應(yīng)。對(duì)于本文給出的準(zhǔn)周期的測(cè)試信號(hào),端點(diǎn)鏡像方法、多項(xiàng)式擬合法、極值延拓法、平行延拓法和邊界局部特征尺度延拓法5種方法都能改善EMD分解的端點(diǎn)效應(yīng)問題。其中,極值延拓法是5種方法中分解效果最好的、運(yùn)算速度最快的延拓方法,在工程技術(shù)應(yīng)用中處理類似的信號(hào),可以將其作為端點(diǎn)效應(yīng)處理的主要方法。當(dāng)然,工程應(yīng)用中的信號(hào)千差萬別,對(duì)于不同形式的信號(hào),各種改善EMD 端點(diǎn)效應(yīng)的延拓方法性能各異。在實(shí)際應(yīng)用中,最好根據(jù)所處理信號(hào)的特點(diǎn)選擇合適的延拓方法。本文所用評(píng)價(jià)方法,只對(duì)實(shí)際工程選用合適的延拓方法提供一個(gè)參考。
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4779瀏覽量
101080 -
信號(hào)處理
+關(guān)注
關(guān)注
48文章
1041瀏覽量
103379 -
EMD
+關(guān)注
關(guān)注
1文章
43瀏覽量
20075
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論