经验模态分解中多种边界处理方法比较研究(3)
非平稳信号的处理方法 。 由于引入了 EMD 方法 , 可以把非线性 、 非平稳信号分解成 IMF 分量 ,
从而使由小波脊线提取的瞬时频率和瞬时幅值具有物理意义。
华中科技大学的一些教授提出的基于改进型 EMD 的陀螺漂移趋势提取，是针对陀螺弱
非线性、非平稳漂移时间序列的趋势项提取这一问题 , 引入了改进的经验模分解方法 。 该
方法通过二拍自适应滤波对原经验模分解中局部均值的估计方法进行了改进 , 并利用自
适应边界估值来抑制其边缘效应。
还有的学者在现有的采用三次样条插值的 EMD 算法基础上 , 提出了基于高次样条插值
的 EMD 新算法 。 仿真研究结果表明 , 所提出的新算法能有效提高 EMD 时频分析的精度 。 西安
交通大学的盖广洪 也提出了一种 EMD 的改进算法，它主要针对信号采样频率过低对经验
模态分解造成的虚假模态等问题，即在进行分解前，对原始信号进行重构，其实质是通
过内插的方式来增加采样点数，从而达到增加采样频率的目的。对模拟信号的处理结果
表明，该算法消除了分解过程中包络曲线的异常波动，从而抑制了分解结果中多余模态
的出现，使得对模态的物理解释更加清晰。
在语音信号去噪算法中 ， EMD 可以根据清音和浊音的不同特点 , 应用软门限方法对以宽
带随机噪声为背景的语音信号 IMF 分量作门限处理。计算机实验仿真结果表明 , 该算法具
有较好的语音去噪效果和较小的语音失真性能。
在实际问题上， EMD 也应用广泛，如损伤检测的经验模态分解法。首先分解出内在模
态函数分量，再对模态函数进行希尔伯特变换，得到时频图，由模态分量中突变点的位
置来识别损伤发生的时间，而由时频图识别频率的变化。对一单自由度系统在刚度突变
和累积疲劳引起的缓慢变化两种情况进行了分析，根据时频图中频率的变化识别出刚度
发生突变的时刻及刚度变化的过程和损伤程度。结果表明经验模态分解法是进行损伤检
测和时变参数识别比较理想的方法之一。
在实际工作中 ， 如进行桥梁的健康监测和状态评估时 ， 外界环境的影响常常会在采集
的振动信号中形成局部强干扰，导致分析结果严重失真。为解决这一问题，人们基于经
验模态分解 ， 提出一种信号强干扰的消除方法 ， 首先利用 EMD 把一个时间序列的信号分解
成不同时间尺度的本征模函数和残余项 ， 然后采用合适的带通滤波器对前几个 IMF 进行滤
波 ， 在存在强干扰的区段 ， 用滤波后的数据代替滤波前的数据 ， 并使后几个 IMF 区段的幅
值为零，最后将所有的 IMF 和趋势项重新进行叠加，即得到消除强干扰后的信号。
EMD 还应用于进行电力系统故障信号的分析 。 在高压输电线路和电力设备发生故障后 ，
其电压和电流中含有大量的非基频暂态分量 ， 故障引起的暂态信号是非平稳的随机过程 。
EMD 的分解方法使瞬时频率可用于复杂的非平稳信号的分析 ， 瞬时频率的方法与经典频率
的定义方法相一致，从而可以给出信号频率变化的精确表达，而且简单，通用。
同样的原理还可应用于爆破微差延时，利用 EMD 法将爆破振动信号分解成 IMF 分量 ， 再
通过 Hilbert 变换提取 IMF 的主成分分量的包络幅值来达到识别实际微差延时的目的。在
爆破地震信号分析中，利用 EMD 分解不需要固定的基函数，可将原始信号分解成少量的 ，
自高致低的 IMF ，分解过程具有自适应性和高效性。
下一篇：协作多蜂窝无线通信系统预编码技术