基于相关系数的RPSEMD改进算法
高鸣蕾
刘毅
宋余庆
1.江苏大学计算机科学与通信工程学院 镇江 2120132.江苏大学计算机科学与通信工程学院 镇江 2120133.江苏大学计算机科学与通信工程学院 镇江 212013
摘要：经验模态分解(Empirical Mode Decomposition,EMD)是一种优秀的分析多分量非线性非平稳信号的自适应数据驱动方法,被广泛应用于时频分析领域.当信号中存在着间断的跳跃性变化或信号间相互作用时,将直接导致EMD分解产生不期望的模态混叠问题.EEMD及其扩展算法通过添加高斯白噪声一定程度上解决了模态混叠问题.RPSEMD通过添加自适应的正弦信号的方法大大减少了EEMD及其扩展算法的时间成本,但其分解结果的重构误差较大,同时伴随有虚假分量的产生.论文通过在RPSEMD过程中嵌入循环去相关操作,有效地解决了模态混叠问题,减少了重构误差,一定程度上抑制了虚假分量的产生,仿真信号处理结果证明了该方法的有效性.
关键词：EMDEEMDRPSEMD模态混叠时频分析信号分析相关系数
分类号：TP391(计算技术、计算机技术)
论文发表日期：2020-08-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1858-1863 )
英文信息