[發明專利]基于自濾波變頻經驗模態分解獲得時頻分布的方法

有效

• 申請號: 201711488164.3
• 申請日: 2017-12-29
• 公開（公告）號: CN108182415B
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 趙雅琴;張宇鵬;吳龍文;王昭;李錦江
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 時起磊;岳泉清

本發明提供基于自濾波變頻經驗模態分解獲得時頻分布的方法，屬于信號處理技術領域，具體涉及獲得時頻分布的方法。本發明利用經驗模態分解(EMD)和Teager變換得到時頻分布的光譜圖，利用經驗模態分解自身濾波的特性，采用不斷降頻/升頻的方法，抑制經驗模態分解過程中產生的模態混疊的問題，獲得較好的時頻分布圖。本發明解決了現有技術經驗模態分解處理瞬時頻率有交叉的多分量混合信號產生模態混疊，導致時頻分布檢測信號參數的精度較低的問題。本發明可用于信號的時頻分析。

技術領域

本發明屬于信號處理技術領域，具體涉及獲得時頻分布的方法。

背景技術

在時頻分析領域中，為了得到信號的時頻特性，常采用的方法有短時傅里葉變換、分數階傅里葉變換、小波變換和Winger-Ville變換(WVD變換)等，這些方法的核心都是傅里葉變換。其中Winger-Ville變換以其較好的時頻聚集性，得到了廣泛的應用。WVD變換可以看作是對信號自相關函數的傅里葉變換，而自相關函數的實質是一個卷積的過程，之后再利用傅里葉變換從時域到頻域的轉換關系，得到聚集性較高的時頻分布。但是，當原始信號中存在多分量信號或非線性信號時，利用WVD變換便會產生嚴重的交叉項。也就是說WVD變換在處理單分量信號時具有較強的優勢。之后，Huang等人提出了一種經驗性的分析方法，即經驗模態分解(EMD)，旨在將信號分解成多個單一分量信號(即本征模態函數(IMF))的累加和的形式。經過經驗模態分解之后，原始信號可以按照高頻次高頻低頻的順序，依次被分解為多個本征模態函數和一個表征信號趨勢的殘余分量。此時，如果只提取包含高頻的本征模態函數或只包含低頻的本征模態函數，則經驗模態分解可以看作是一個濾波器。這種方法不受信號調制模式的限制，因此被得到了廣泛的應用。但是，經驗模態分解在處理混合信號時，會伴隨著模態混疊問題的出現。產生模態混疊的原因有兩個方面：一是由低幅高頻間斷信號產生的“騎行波”，這種情況會導致上下包絡不能有效擬合，致使高頻信號分量得不到有效分離；二是當幅度相當的不同信號分量瞬時頻率有交叉時，由于瞬時頻率相近，EMD在分解過程中不能有效將其分離，便會產生模態混疊，最終導致時頻分布檢測信號參數的精度較低。

發明內容

本發明為解決現有技術經驗模態分解處理瞬時頻率有交叉的多分量混合信號產生模態混疊，導致時頻分布檢測信號參數的精度較低的問題，提供了基于自濾波變頻經驗模態分解獲得時頻分布的方法。

本發明所述基于自濾波變頻經驗模態分解獲得時頻分布的方法，通過以下技術方案實現：

步驟一、對原始信號x(t)進行經驗模態分解，得到若干本征模態函數；

步驟二、計算各個本征模態函數與x(t)的相似系數，根據計算得到的相似系數剔除虛假分量，得到剩余的N個本征模態函數IMF₁,IMF₂,...,IMF_N，N≥1；設變量i＝0；

步驟三、利用希爾伯特變換對IMF₁進行降頻處理，并對降頻后的信號進行經驗模態分解，得到若干本征模態函數IMF_1,1,IMF_1,2,...,IMF_1,k,...；k表示函數序號；

步驟四、利用Teager變換計算IMF_1,1的瞬時頻率，若某一時刻瞬時頻率小于等于閾值R時，令i＝i+1，進行步驟八；若任意時刻瞬時頻率均大于閾值R，則進行步驟五；

步驟五、計算IMF₁降頻后信號與IMF_1,2的相似系數a、IMF_1,1與IMF_1,2的相似系數b，當a大于等于閾值S₁或b大于等于閾值S₂時，令i＝i+1，進行步驟八，否則進行步驟六；