文献类型：期刊文章

作　　者：戴婷[1] 张榆锋[1] 章克信[2] 何冰冰[1] 朱泓萱[1] 张俊华[1]

Dai Ting;Zhang Yufeng;Zhang Kexin;He Bingbing;Zhu Hongxuan;Zhang Junhua(Department of Electronic Engineering,Information School,Yunnan University,Kunming 650091,China;The Second Affiliated Hospital of Kunming Medical University,Kunming 650031,China)

机构地区：[1]云南大学信息学院电子工程系,云南昆明650091 [2]昆明医科大学第二附属医院,云南昆明650031

出　　处：《电子技术应用》

基　　金：国家自然科学基金(61561049;81771928)

年　　份：2019

卷　　号：45

期　　号：3

起止页码：7-12

语　　种：中文

收录情况：DOAJ、JST、RCCSE、ZGKJHX、普通刊

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

分 类 号：TN911.7]