[发明专利]一种解相关多频率经验模态分解方法

摘要

本发明提出了一种解相关多频率经验模态分解方法，可用于解决EMD方法存在的模态混叠现象，造成特征提取精度低的问题。该方法首先对初始信号添加多个频率的掩蔽信号，初步分解其中不同频率比的信号分量得到多个IMF分量；其次计算相邻IMF之间的相关系数并对其解耦，进一步分离IMF中存在混叠的部分，得到最优IMF；最终，从原始信号中减去最优IMF，然后重复上述步骤，直到残余分量为常数或单调。由于保证了IMF之间互不相关且互不干扰，因此模态混叠现象显著减弱，有效提高特征提取精度。该方法的创新点在于提出的方法结合了掩蔽信号处理方法与相关性处理法，使该方法可以很好的自适应分解不同频率比混合信号，显著的抑制模态混叠现象，提高特征提取精度。

主权项

1.一种解相关多频率经验模态分解方法，其特征在于，包括以下步骤：S1：采用EMD对初始信号进行分解，得到第一个初始信号分量PIMF1；S2：利用步骤S1得到的PIMF1分量，求得掩蔽信号的频率，进而构造掩蔽信号；S3：从初始信号中去除步骤S2得到的掩蔽信号，得到新的信号，再利用EMD对新的信号进行分解，得到第一阶去掩蔽信号分量MIMF1，重复步骤S1到步骤S3，得到第二阶去掩蔽信号分量MIMF2；S4：利用步骤S3得到的前两阶去掩蔽信号分量MIMF1和MIMF2，嵌入相关系数处理，得到最优本征模态函数，记为OIMF1；S5：将最优OIMF1从初始信号中去除，重复步骤S1到S5直到分解的残余分量为常数或单调，最后得到一组最优本征模态函数，记为OIMFs。