基于能量的振动信号经验模态分解终止条件

摘要：

经验模态分解(Emprical Mode Decomposition,简称EMD)主要思想是把一个时间序列的信号分解成不同尺度的本征模函数(Intrinsic Mode Function,简称IMF).EMD算法用残余量极值点数量小于2来终止分解,该终止条件有无关组分多和分解速度慢的缺点.针对该缺点,提出了采用残余能量小于设定值的EMD分解终止条件.通过对非线性和实例振动信号的试验研究表明,基于能量的EMD分解终止条件既可以减少分解的无关组分,又可以提高分解的速度.该研究成果能广泛地用于振动信号分析领域.

关键词：振动信号、经验模态分解、终止条件、能量

所属期刊栏目：29

分类号：TP206;TH113.1;TH165.3(自动化技术及设备)

资助基金：国家自然科学基金资助项目50675194;宁波市自然科学基金资助项目2007A610014

在线出版日期：2009-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：19-22