EEMD時頻分析方法研究和仿真系統(tǒng)設計.pdf

1、Hilbert-Huang變換是一種新的時頻分析方法，適用于處理非線性和非平穩(wěn)信號。其核心是經驗模式分解(EMD)，能將復雜信號分解為固有模態(tài)函數(shù)(IMF)的集合，并通過對IMF函數(shù)進行Hilbert變換來得到瞬時頻率，以此構造Hilbert時頻譜。雖然HHT方法已經被證明為有著良好的自適應性和分解效率，但也存在著一些不足之處。本文就將討論HHT變換中出現(xiàn)的模態(tài)混疊現(xiàn)象，并介紹一種對于傳統(tǒng)EMD分解的改進方法--集成平均經驗模式分解EE

2、MD。
　　 本文首先對于經典的時頻分析方法進行了回顧。并通過實驗進行了短時傅里葉變換，Wigner-Ville分布，小波變換和Hilbert-Huang變換的頻率分辨率比較。通過實驗表明，HHT方法的EMD分解有著很高的自適應性和分解效率以及時域局部性，能夠很好的處理非線性非平穩(wěn)信號。
　　 接下來本文討論了在傳統(tǒng)EMD分解中出現(xiàn)的模態(tài)混疊現(xiàn)象。針對模態(tài)混疊的問題，介紹了一種結合噪聲輔助分析方法對傳統(tǒng)EMD的改進方法，

3、在信號中添加白噪聲并作為一個總體進行處理，通過白噪聲尺度在時頻空間均勻分布的特點來均衡信號，使不同尺度的信號分量自動映射到合適的IMF上，并利用高斯白噪聲均值為零的統(tǒng)計特性，通過多組平均的處理使加入的噪聲互相抵消。通過實驗，證明了EEMD方法能夠很好的去除模態(tài)混疊現(xiàn)象，是對于傳統(tǒng)EMD的巨大改進。EEMD方法已經在各領域如語音增強等得到了廣泛的應用，最后通過MATLAB平臺設計了信號仿真系統(tǒng)，通過這個系統(tǒng)，可以對HHT方法和其他時頻分析