论文部分内容阅读
1998年, Norden E.Huang为了有效地分解非线性非平稳信号,首先提出了经验模式分解希尔伯特谱(Empirical Mode Decomposition/Hilbert Spectrum ,EMD/HS)的概念,从而使瞬时频率有了确切的物理意义。众所周知,小波和Fourier变换都是将信号先在一簇基函数上进行展开,然后对信号进行分析。虽然Fourier变换能够在频域内得到非常高的分辨率,但是在时域内却失去了多分辨能力。而小波虽然能在时域和频域内同时具有较好的分辨率,但是却由于频率空间的范围越来越小,代表比较高级别的细节分量的小波也越来越少,这样往往对于分析的结果来说是很不利的。而基于EMD的方法仅依据数据本身的信息进行分解,与小波分析相比不但具有小波分析的全部优点,而且在分辨率上能消除小波分析的模糊和不清晰,还能准确的反映出原信号的物理特征。本文开展的主要研究工作如下:1、论文首先阐述了EMD时频分析方法,给出了其与传统时频方法的比较,分析了Hilbert/Huang时频谱(HHT谱)的物理意义。其后又归纳总结了EMD算法的性能,列出了其中的关键问题,并结合一维的EMD算法给出了二维的EMD分析算法。2、建立了基于小波与卡尔曼滤波混合预报的边界问题的新方法。针对前面提到的EMD中的关键问题,分析了已存在方法中的不足,研究了解决边缘效应影响的新方法。新方法从数据延拓的角度,利用卡尔曼滤波所具有的实时性和递归性,以及小波变换的多尺度分析特征,将两者有机的结合起来解决边界问题。3、开展了基于第二代小波去噪的EMD边缘问题方法研究。从噪声对边界问题的影响入手,引入了去噪性能比较好的第二代小波,通过对比去除噪声后的EMD分解和去噪前的EMD分解相比较,分析了噪声在EMD分解中的影响,从而从另一个方面来解决边缘效应的问题。4、利用数学原理并结合仿真实验,对上述新方法的性能进行了验证,进一步验证上述方法在提高EMD分解精度进而改善时频分析性能的有效性。