什麼是EMD(經驗模態分解)的端點效應?
作者:由 小白鞋測評 發表于 舞蹈時間:2022-11-05
1998 年,Huang等人提出了一種新的訊號處理方法:經驗模態分解方法(Empirical Mode Decomposition,EMD)。它用不同特徵尺度的資料序列本徵模函式(Intrinsic Mode FunctionIMF)分量來逐級分解訊號。
該方法可以對一個非平穩訊號進行平穩化處理
在EMD分解中,每個IMF需要多次“篩選”過程,而每一次篩選過程,需要根據上、下包絡計算出訊號的區域性平均值。上(下)包絡是由訊號的區域性極大(小)值透過3次樣條插值得到的。但訊號的端點不可能同時處於極大值或極
小值,因此上,下包絡在資料序列兩端會發散,且這種發散
會隨著運算的進行而逐漸向內,從而使得整個資料序列受到影響,這就是所謂的EMD方法的端點效應
國內外很多研究者對改進EMD 端點效應問題進行了
研究。目前,常用的EMD端點效應處理方法有映象法、極值延拓法、神經網路預測、多項式外延方法、平行延拓法、邊界區域性特徵尺度延拓法。神經網路延拓演算法的運算速度慢,在工程應用中實時性差。所以本文只對映象法、極值延拓法、多項式法、平行延拓法和邊界區域性特徵尺度延拓法進行比較,從而得到對工程應用有指導意義的結果
上一篇:五浪理論深度剖析(五)
下一篇:身份證怎麼掃描?