基于独立分量分析的EMD模态混叠消除方法研究

第３３卷第７期２０１２年７月

仪器仪表学报

Ｖ０１．３３Ｎｏ．７

ＣｈｉｎｅｓｅＪｏｕｍａｌｏｆＳｃｉｅｎｔｉｆｉｃＩｎｓｔｍｍｅｎｔＪｕｌ．２０１２

基于独立分量分析的ＥＭＤ模态混叠消除方法研究术

汤宝平，董绍江，马靖华

（重庆大学机械传动国家重点实验室重庆４０００３０）

摘要：针对经验模态分解（ｅⅡｌｐｉｒｉｃａｌ

ｍｏｄｅ

ｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）算法中存在的模态混叠现象，提出一种应用独立分量分析进行模

态混叠消除的新方法。首先应用形态学滤波方法将信号中的噪声予以消除，减少由于噪声因素造成的模态混叠现象。然后将信号进行ＥＭＤ分解，获得不同的ＩＭＦ分量，将存在模态混叠成分的ＩＭＦ分量进行相空间重构，利用基于峭度最大化的独立分量分解算法实现混叠成分的分离，仿真分析和工程应用的结果表明，所提方法能有效地消除ＥＭＤ分解过程中的模态混叠现象。关键词：经验模态分解；模态混叠；形态学滤波；相空间重构；独立分量分析中图分类号：ＴＰ２０６＋．３

文献标识码：Ａ

国家标准学科分类代码：４６０．４０

Ｓｔｕｄｙ

ｏｎ

ｔｈｅ

ｍｅｔｈｏｄｆｏｒｅｌｉｍｉｎａｔｉｎｇｍｏｄｅｍｉｘｉｎｇｏｆｅｍｐｉｒｉｃａｌ

ｏｎ

ｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎｂａｓｅｄ

ｉｎｄｅｐｅｎｄｅｎｔ

ｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ

ＴａｎｇＢａｏｐｉｎｇ，Ｄｏｎｇ

Ｓｈａｏｊｉａｎｇ，ＭａＪｉｎｇｈｕａ

（豫ｅ＆Ⅱ把研ｋ６Ｄ删ｏｒｙ

Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇｂａｓｅｄ

ｏｎ

Ｑ厂胁ｃｋｎ如０２

Ｚｈ瑚ｍ蠡ｓ如ｎ，吼。唧；愕‰而ｅ倦毋，傩ｏ，柳；昭和伽Ｄ，孤ｉＭ）

ｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＥＭＤ），ａ

ｎｅｗ

ａｔ

ｔｈｅｅｘｉｓｔｉｎｇｐｍｂｌｅｍｏｆｍｏｄｅｍｉｘｉｎｇｉｎｅｍｐｉｒｉｃａｌｍｏｄｅ

ｍｅｔｈｏｄ

ｔｏ

ｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔ

ａｎａｌｙｓｉｓ（ＩＣＡ）

ｉｓ

ｐｒｏｐｏｓｅｄ．

ＦｉＩ．ｓｔｌｙ，ｔｈｅｍｏｒｐｈｏｌｏｇｉｃａｌ６ｌｔｅｒｉｎｇｍｅｔｈｏｄｉｓｕｓｅｄ

ｔｏ

ｒｅｍｏｖｅｎｏｉｓｅａｎｄｒｅｄｕｃｅｔｈｅｍｏｄｅｍｉｘｉｎｇｃａｕｓｅｄｂｙｎｏｉｓｅｆａｃｔｏｒ．７Ｉｈｅｎ，ｔｈｅＥＭＤａｌｇｏｒｉｔｈｍｉｓｕｓｅｄ

ｄｅｃｏｍｐｏｓｅ

ａＩｅ

ｔｈｅｓｉｇｎａｌｉｎｔｏｄｉｆ．ｆｅＩｅｎｔＩＭＦｃｏｍｐｏｎｅｎｔｓ，ａｎｄｔｈｅＩＭＦｃｏｍｐｏｎｅｎｔｓｔｈａｔｈａｖｅｔｈｅｐｒｏｂｌｅｍｏｆｍｏｄｅｍｉｘｉｎｇａｎｄｒｅｃｏｎｓｔＩｕｃｔｅｄｉｎｔｈｅｐｈａｓｅｓｐａｃｅ．ａｓｓｕｍｅｔｈｅｉｎｄｅｐｅｎｄｅｎｃｅａｍｏｎｇｔｈｅ

ＦｉｎａＵｙ，ｔｈｅＩＣＡａｌｇｏｒｉｔｈｍｂａｓｅｄ

ｏｎ

ｓｅｌｅｃｔｅｄ

ｔｏ

ｔｈｅｋｕｒｔｏｓｉｓｍａｘｉｍｉｚａｔｉｏｎｉｓａｄｏｐｔｅｄ

ｓｏｕｒｃｅｓ

ａｎｄａｃｈｉｅｖｅｔｈｅｓｅｐａｒａｔｉｏｎｏｆｔｈｅｏｖｅｒｌａｐｐｅｄｃｏｍｐｏｎｅｎｔｓ．Ｔｈｅｒｅｓｕｌｔｓｏｆ

ｃａｎ

ｓｉｍｕｌａｔｉｏｎａｎａｌｙｓｉｓａｎｄｅｎｇｉｎｅｅｒｉｎｇａｐｐｌｉｃａｔｉｏｎｓｈｏｗｔｈａｔｔｈｅｐＩＤｐｏｓｅｄｍｅｔｈｏｄｍｉｘｉｎｇｉｎＥＭＤ．

Ｋｅｙｗｏｒｄｓ：ｅｍｐｉｒｉｃａｌｍｏｄｅｔｉｏｎ；ｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔ

ｅｆｋｃｔｉｖｅｌｙｅｌｉｍｉｎａｔｅｔｈｅｍｏｄｅ

ｄｅｃｏｍｐｏｓｉｔｉ叫（ＥＭＤ）；ｍｏｄｅｍｉｘｉｎｇ；ｍｏ叩ｈｏｌｏｇｉｃａｌａｎａｌｙｓｉｓ（ＩＣＡ）

ｆｉｌｔｅｒｉｎｇ；ｐｈａｓｅｓｐａｃｅ

ｒｅｃｏｎｓｔｌｌＪｃ

但是在分解的过程中，由于实际信号中大量噪声成分的

１

引言

存在、信号的时间尺度存在跳跃性变化、边界效应以及其他的因素，造成了ＥＭＤ分量中存在模态混叠的现象。模态混叠将造成ＩＭＦ成分中包含不同的时间尺度，从而对各个模态分量的物理意义判别造成困难。针对ＥＭＤ分解过程中的频率混叠问题，Ｈｕａｎｇ提出通过限制某ＩＭＦ分量最低频率的方法来解决，即通过间断检验的手段予以处理，但是最低频率较难选取。谭善文‘６１提出了多分辨率ＥＭＤ的思想，即类似于小波变换，对每个ＩＭＦ规定

经验模态分解（ＥＭＤ）方法是Ｈｕａｎｇ提出的时间序列分析方法，该方法既能分析线性平稳信号，又可以分析非线性非平稳信号，具有较强的适应性。因此，ＥＭＤ分解得到了广泛的应用’１“。ＥＭＤ方法主要是通过将信号分解为若干个固有模态分量（ＩＭＦ），每个固有模态分量属于不同的频率成分，从而实现信号特征的有效分解。

收稿日期：２０１１旬１

ＲｅｃｅｉｖｅｄＤａｔｅ：２０１ｌ＿０１

ｍ基金项目：重庆市科委自然科学杰出青年基金计划（ｃＱｃｓｔｃ２０１１俩ｑ７０００１）资助项目

万方数据