经验模态分解及其模态混叠消除的研究进展

摘要：

由Huang提出的经验模态分解(Empirical Mode Decomposition,EMD)算法是一种数据驱动的自适应非线性时变信号分析方法,可以把数据分解成具有物理意义的少数几个固有模态函数(Intrinsic Mode Function,IMF)分量.然而模态混叠会导致错假的时频分布,使IMF失去物理意义,严重影响了EMD分解的准确性与实用性.分别针对一维和多维EMD抑制模态混叠,总结归纳了相关研究取得的主要成果,指出了各方法抑制效果的改进及仍有的不足.最后讨论了相关研究及应用未来的发展趋势.

关键词：经验模态分解、固有模态函数、模态混叠、Hilbert变换

所属期刊栏目：45

分类号：TN911.7

资助基金：国家自然科学基金61561049,81771928

在线出版日期：2019-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：7-12