含有自适应筛选系数的广义经验模态分解方法
Generalized Empirical Mode Decomposition with Adaptive Sifting Parameter作者机构：中央财经大学统计学院北京100081 台湾辅仁大学统计资讯学系台湾24205
出 版 物：《数理统计与管理》 (Journal of Applied Statistics and Management)
年 卷 期：2013年第32卷第6期
页 面：1002-1012页
核心收录：
学科分类：0202[经济学-应用经济学] 02[经济学] 020208[经济学-统计学] 07[理学] 0714[理学-统计学（可授理学、经济学学位）] 070103[理学-概率论与数理统计] 0701[理学-数学]
摘 要：经验模态分解(EMD)是针对非线性和非平稳数据的有效分析方法,但是原始算法有多余分量、分量之间不完全正交等缺点.本文引入筛选系数λ将原始EMD算法推广为广义EMD算法,并且使用最小化正交条件来选取最优筛选系数.模拟数据和实际数据的分析结果显示,相比于原始EMD算法,该算法有效地减少了多余分量,更好地分解出了时间序列的趋势成分,而且提高了IMF成分序列之间的正交性.由于筛选系数是数据本身决定的,因此该算法比原始算法有更强的自适应性.
维普期刊数据库
同方期刊数据库