基于EEMD的信号处理方法分析和实现
IMF 集成均值作为最终结果。
EMMD 算法流程如图1 所示。
图1 EEMD 算法流程图
4 系统功能介绍和仿真实验分析
为了验证EEMD 方法的改进之处,利用Mat lab 的GU I 工具设计了简单直观的仿真系统。
此系统实现的功能是,对输入信号进行传统EMD分解和EEMD 分解,可显示信号分解后的各个模态函数IMF 分量及其瞬时频率,并能对Hilbert 时频谱进行刻画。
系统界面如图2 所示。
图2 仿真系统界面
参数设置功能 可自由设置加入白噪声的方差和噪声组数目( 范围1~ 500) ,当方差设置为0,噪声组数目选择为1 时,该系统实现传统EMD 分解的功能。
EEMD 分解功能 对信号进行加入上述设定白噪声EEMD 分解,并刻画出输入信号的Hilbert 时频谱。
显示IMFs 功能 可通过弹出FIG 的形式显示对信号分解后的各IMF 分量及瞬时频率。
仿真实验结果如下:
首先对多分量理想样本信号进行分解,信号构成如下:
其中,归一化频率为:
其中,归一化频率为:
EMD 分解方法应将包含4 个频率分量的信号分解为4 个包含单一频率信息的IMF 分量。
分解结果如图3 所示。
图3 传统EMD 对理想信号H ilber t 谱图
可以看到,对于无干扰的理想信号,传统EMD 分解方法具有非常好的效果,清晰地将4 个频率分量在Hilbert 谱上显示了出来。
对一组存在中断干扰的实际信号进行分解,结果如图4~ 图6 所示。
图4 实际信号时域图
图5 传统EMD 对信号的分解
图6 传统EM D 对信号的H ilber t 谱刻画
通过频谱图可以看到,低频分量混杂在一起,难以分辨。
对EEMD 分解方法进行分析,加入了100 组标准差为0. 2 的高斯白噪声,结果如图7,图8 所示。
通过Hilbert 谱的比较可以看出,分解结果有了较大改进。
图7 EEMD 对信号的分解
图8 EEMD 对信号的H ilber t 谱刻画
5 结 语
EEMD 以噪声辅助信号处理原理为基础,通过加入小幅度的白噪声来均衡信号,有效地解决了模态混叠现象,利用高斯白噪声零均值的特性,使真实信号得到了保留,是对传统EMD 分析方法的巨大改进。
- 如何解决卫星电视信号被干扰(10-06)
- 短波频率自适应通信的发展及信号监测(04-20)
- 3G移动终端基带信号处理器设计与实现(01-09)
- 如何做好GSM信号覆盖优化?(05-26)
- 剪裁易拉罐增强WiFi信号(05-07)
- 如何解决Wi-Fi信号干扰(05-10)