[发明专利]一种确定变分模态分解中分解模态数的方法、装置及设备

说明书

本发明涉及一种确定变分模态分解中分解模态数的方法、装置及设备。所述方法包括：获取待处理的信号；通过变分模态分解方法，选择依次递增的分解模态数k分别对所述待处理的信号进行若干次分解处理，分别确定所述待处理的信号每次分解处理对应的稀疏指标；其中，分解模态数k为大于1的自然数；当所述若干次分解处理中分解模态数为k+1时分解处理所对应的稀疏指标较分解模态数为k时分解处理所对应的稀疏指标下降，则判定k为最佳分解模态数；根据所述最佳分解模态数对所述待处理的信号进行信号处理。通过本发明提出的方法，可以得到有效的信号分解结果。

技术领域

本发明涉及信号处理技术领域,尤其涉及一种确定变分模态分解中分解模态数的方法、装置及设备。

背景技术

非线性、非平稳信号是工程应用中最为常见的一类信号。在对复杂的复合非线性、非平稳信号进行信号分析时，一般先将复杂的非线性、非平稳信号分解为多个简单信号，再对分解后的信号进行分析处理。主流的复合信号分解方法有小波分解、小波包分解、经验模态分解(Empirical Mode Decomposition，EMD)等。在这些方法中，小波分解需要提前选定与信号匹配的小波基函数，小波包分解不仅要指定小波基还要设定分解层数，两种方法均缺乏一定的自适应性。EMD可根据信号特点，通过不断迭代将信号自适应分解为一系列本征模态分量(Intrinsic Mode Function，IMF)，但整个分解过程会受极值点的查找方式、插值方法以及施加的停止迭代的准则影响，分解出的分量会出现端点效应、模态混叠等问题。

变分模态分解(Variational Mode Decomposition，VMD)方法凭借其严谨的数学理论指导较小波分解、EMD等其它方法具有收敛速度快、噪声鲁棒性强等优势，还能有效减免分解中的端点效应、过包络、欠包络等问题。尽管VMD分解极佳，但其分解效果受分解过程中的参数设置影响极大，包括分解模态数K、惩罚因子alpha、拉格朗日乘子lanmda等。在这些参数中，分解模态数K的设定最为重要，因为在分解模态数K正确设定的前提下，其它参数只要设定在合理范围内，信号一般都可被有效分解。故分解模态数K的正确设定与否是限制VMD能否有效分解的最大瓶颈。但是，目前还没有能够准确预测分解模态数K的方法。

发明内容

有鉴于此，本申请实施例提供了一种用于信号处理的确定变分模态分解中分解模态数的方法、装置及设备。

第一方面，本申请实施例提供了一种确定变分模态分解中分解模态数的方法，用于信号处理，包括：

获取待处理的信号；

通过变分模态分解方法，选择依次递增的分解模态数k分别对所述待处理的信号进行若干次分解处理，分别确定所述待处理的信号每次分解处理对应的稀疏指标；其中，分解模态数k为大于1的自然数；

当所述若干次分解处理中分解模态数为k+1时分解处理所对应的稀疏指标较分解模态数为k时分解处理所对应的稀疏指标下降，则判定k为最佳分解模态数；

根据所述最佳分解模态数对所述待处理的信号进行信号处理。

优选地，所述分别确定所述待处理的信号每次分解处理对应的稀疏指标包括：

通过变分模态分解方法，对所述信号进行分解模态数k分解处理，得到k个本征模态分量；

对k个本征模态分量中的每个本征模态分量分别求边际谱，确定k个边际谱中每个边际谱的稀疏度；

根据所述每个边际谱的稀疏度确定所述待处理的信号在当前k值的稀疏指标。

优选地，所述求边际谱的公式为

式中，h表征边际谱，ω表征频率，T表征时间，H表征时频谱矩阵，t表征时频谱中的时刻，dt表征积分。

优选地，所述确定k个边际谱中每个边际谱的稀疏度的公式为