基于相关系数的RPSEMD改进算法

作     者：高鸣蕾 刘毅 宋余庆 GAO Minglei;LIU Yi;SONG Yuqing

作者机构：江苏大学计算机科学与通信工程学院镇江212013 

出 版 物：《计算机与数字工程》 (Computer & Digital Engineering)

年 卷 期：2020年第48卷第8期

页      面：1858-1863页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：EMD EEMD RPSEMD 模态混叠 时频分析 信号分析 相关系数 

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。