[發明專利]一種解相關多頻率經驗模態分解方法

在審

• 申請號: 201810819772.6
• 申請日: 2018-07-24
• 公開（公告）號: CN109241828A
• 公開（公告）日: 2019-01-18
• 發明（設計）人: 程良倫;詹瀛魚;王濤
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

本發明提出了一種解相關多頻率經驗模態分解方法，可用于解決EMD方法存在的模態混疊現象，造成特征提取精度低的問題。該方法首先對初始信號添加多個頻率的掩蔽信號，初步分解其中不同頻率比的信號分量得到多個IMF分量；其次計算相鄰IMF之間的相關系數并對其解耦，進一步分離IMF中存在混疊的部分，得到最優IMF；最終，從原始信號中減去最優IMF，然后重復上述步驟，直到殘余分量為常數或單調。由于保證了IMF之間互不相關且互不干擾，因此模態混疊現象顯著減弱，有效提高特征提取精度。該方法的創新點在于提出的方法結合了掩蔽信號處理方法與相關性處理法，使該方法可以很好的自適應分解不同頻率比混合信號，顯著的抑制模態混疊現象，提高特征提取精度。

技術領域

本發明涉及信號分解和信號處理領域，更具體地，涉及一種解相關多頻率經驗模態分解方法。

背景技術

經驗模態分解(Empirical Mode Decomposition,EMD)方法是黃鱷博士提出的一種分析和處理非平穩非線性信號的方法，其可以克服傳統方法中的全局性和非自適應性，并且已經在設備故障識別、電能質量分析、腦電信號處理等各個不同的領域得到了很好的效果。與此同時，EMD具有將復雜的多頻率混合信號分解為多個易于處理的包含豐富特征信息的單分量信號。可是由于振動信號中含有大量相近的時頻域成分分量以及噪音，導致EMD分解的單信號分量中包含了不同的頻率分量，這種現象稱為模態混疊。這直接造成混疊的IMF分量缺乏足夠的物理意義，導致后續的時頻分布混淆，最終影響特征提取的精度。

目前針對模態混疊的問題，國內外專家做了大量的研究，其中噪聲處理方法與解相關處理方法尤其有效，然而這兩個方法仍然具有一定的局限性，如噪聲的選擇具有隨機性，不能自適應處理信號；解相關處理方法針對小頻率比混合信號產生的模態混疊具有很好的抑制效果，但對于不同頻率比混合信號分解效果有所降低。

針對傳統EMD存在模態混疊現象，本發明提出解相關多頻率經驗模態分解方法，通過多個添加掩蔽信號的方法，初步分解混合頻率信號，同時在分解過程中嵌入相關系數處理操作，減少正常特征信息與異常特征信息之間的相互影響，保證分解信號分量的正交性，抑制混合信號出現混疊的現象，最終改善EMD分解信號的能力，提升對特征的提取精度。

發明內容

本發明為克服上述現有技術所述的至少一種缺陷，提供一種解相關多頻率經驗模態分解方法。

為解決上述技術問題，本發明的技術方案如下：

一種解相關多頻率經驗模態分解方法，包括以下步驟：

S1：采用EMD對初始信號進行分解，得到第一個初始信號分量PIMF1；

S2：利用步驟S1得到的PIMF1分量，求得掩蔽信號的頻率，進而構造掩蔽信號；

S3：從初始信號中去除步驟S2得到的掩蔽信號，得到新的信號，再利用EMD對新的信號進行分解，得到第一階去掩蔽信號分量MIMF1，重復步驟S1到步驟S3，得到第二階去掩蔽信號分量MIMF2；

S4：利用步驟S3得到的前兩階去掩蔽信號分量MIMF1和MIMF2，嵌入相關系數處理，得到最優本征模態函數，記為OIMF1；

S5：將最優OIMF1從初始信號中去除，重復步驟S1到S5直到分解的殘余分量為常數或單調，最后得到一組最優本征模態函數，記為OIMFs。