文献类型：学位论文

作　　者：王婷

导　　师：杨莘元

授予单位：哈尔滨工程大学

学科专业：通信与信息系统

授予学位：博士

学位年度：2010

语　　种：中文

摘　　要：经验模态分解( Empirical Mode Decomposition，EMD)是处理非线性、非平稳信号的时频分析方法。该方法可以在不需要知道任何先验知识的情况下，依据输入信号自身的特点，自适应的将信号分解成若干个本征模态函数(Intrinsic Mode Function，IMF)之和。EMD被认为是对以线性和平稳假设为基础的傅立叶分析和小波变换等传统时频分析方法的重大突破。该方法在多年的发展过程中，逐渐展露出了在非平稳信号处理中的独特优势，具有重要的理论研究价值和广阔的应用前景。目前，EMD在机械故障诊断、特征提取、信息检测、生物医学信号分析、图像信号分析、通讯雷达信号分析等领域，都具有很大的应用价值。　　 本文对经验模态分解的整个理论体系进行了深入的研究，以算法本身固有的缺点为突破口，对EMD中的端点效应问题和模态混叠问题进行了大量的研究工作，并给出了相应的解决方案;从应用角度出发，深入研究了EMD的自适应滤波特性，将其应用在信号的去噪中，并给出了两种基于EMD去噪的新方法。研究的主要内容和创新点如下：　　 首先，针对EMD的端点效应问题，阐释了EMD端点效应产生的机理，分析了现有抑制端点效应方法的各自特点，引入了匹配距离和波形相似系数的概念，在此基础上提出了基于最近相似距离的抑制端点效应方法。该方法在信号内部找到形状和幅值差异最小的匹配段对端点进行数据延拓，实现了延拓数据与原信号交界处的光滑过渡。同时该方法只需一次延拓，便可以有效解决两类端点效应问题，且运行速度快。　　 其次，针对EMD的模态混叠问题，分析了EMD模态混叠产生的原因。针对由间断事件引起的模态混叠问题，分析了间断事件嵌入时信号的时间特征尺度和极值特征尺度的变化特点，引入了时间特征尺度平稳度�

分 类 号：TN911.4]