[发明专利]一种具有激励噪声添加参数选取功能的集合经验模态分解方法

摘要

一种具有激励噪声添加参数选取功能的集合经验模态分解方法，它涉及信号分析与处理技术领域。它解决了使用常规的EEMD方法对非线性非平稳信号进行处理时无法同时实现分解精度高且计算量小的问题，本发明的步骤为：一、设置集合数和噪声振幅的初始值；二、对信号进行集合经验模态分解，得到内固模态函数矩阵；三、求得分解误差下界，与前次结果比较，判断分解误差是否减小以便确定是否还要进一步减小噪声振幅；四、改变集合数，获得新集合数下的分解误差；五、比较分解误差，使EEMD的分解误差差值小于预设分解误差差值，停止分解，具有激励噪声添加集合数和添加振幅选取功能的集合经验模态分解完毕。本发明适用于非线性、非平稳信号处理。

主权项

1.一种具有激励噪声添加参数选取功能的集合经验模态分解方法，其特征在于所述分解方法为：步骤一：设置用于集合经验模态分解的初始值、分解误差预设差值和分解误差最大差值，所述初始值包括集合数初始值P₀和噪声振幅初始值a₀，并利用所述初始值计算集合数初始值P₀下的分解误差初始值E_0，0；步骤二：向待分解信号加入噪声振幅为a_u的白噪声，对待分解信号进行集合数P_v下的集合经验模态分解，得到内固模态函数矩阵，并依据内固模态函数矩阵求得前一次分解误差e_u，v和本次分解误差e_u+1，v，v表示第v个集合数，u表示在集合数P_v下的第u次迭代；步骤三：比较本次分解误差e_u+1，v与前一次分解误差e_u，v，当本次分解误差e_u+1，v小于前一次分解误差e_u，v时，根据公式计算新噪声振幅a_u+1，重复步骤二进行下一次迭代，直至获得的本次分解误差e_u+1，v大于或等于前一次分解误差e_u，v时，将所述前一次分解误差e_u，v作为集合数P_v下的最佳分解误差e_v^*，u＝0，1，2……N；步骤四：设置集合数P_v+1，并利用噪声振幅初始值a₀，计算集合数P_v+1下的分解误差初始值e_0，v+1，重复步骤二和步骤三获得集合数P_v+1下的最佳分解误差e_v+1^*，并计算相邻两次分解误差差值v＝0，1，2……N；步骤五：比较相邻两次分解误差差值Δe和分解误差预设差值，当相邻两次分解误差差值Δe大于或等于分解误差预设差值时，重复步骤四进行下一次迭代，直至相邻两次分解误差差值Δe小于分解误差预设差值时，具有激励噪声添加集合数和添加振幅选取功能的集合经验模态分解完毕。