【经验模态分解】2.EMD的3个基本概念

news2024/11/24 0:05:43

/**
 * @poject          经验模态分解及其衍生算法的研究及其在语音信号处理中的应用
 * @file            EMD的3个基本概念
 * @author			jUicE_g2R(qq:3406291309)
 * 
 * @language        MATLAB/Python/C/C++
 * @EDA				Base on matlabR2022b
 * @editor			Obsidian（黑曜石笔记软件）
 * 
 * @copyright		2023
 * @COPYRIGHT	    原创学习笔记：转载需获得博主本人同意，且需标明转载源
 */

谈论到 $EM D$ ，都会提及到 解析信号、顺时频率 与 本征模态函数 $I MF$ 这3个概念

1 解析信号

1-1 为什么要进行信号的解析？

采集的信号一般为 时间尺度数据 ，要分析其特性一般把 时间尺度变为频率尺度 ，即 信号的频率分析 。如果把信号直接进行 傅里叶变换 后会使频域变为正频域和负频域（负频域现实世界是不存在的，只存在数学推导中），这就使得变换后的频域（正频域）缺失不完整，从而导致信号特性的缺失。

1-2 $解析信号z(t)=源信号x(t)+j\widehat{x}(t)$

1-2-1 信号 $x (t)$ 的解析信号

1-2-2 将信号的时间尺度转变为频率尺度

时间转频率的（只保留正频率）处理
进一步处理，得到 $Z (f)$ 与 $X (f)$ 的关系
进而得到（令 $h (t)$ 为冲击函数，映射的是上面的阶跃函数 $H (f)$ ）
$z (t) = x (t) + j x (t) * h (t)$

1-2-3 $\widehat{x}(t)$ 为 $源信号 x (t)$ 的希尔伯特变换

希尔伯特变换
在信号处理中应用非常广，其最开始是由大数学家希尔伯特(David Hilbert)为解决黎曼-希尔伯特问题(the Riemann–Hilbert problem)中的一个特殊情况而引入。

该变换物理意义非常明确：把信号所有频率分量相位推迟 90度。

$x (t)$ 变 $\widehat{x}(t)$
$z (t)$ 的 希尔伯特变换

2 瞬时频率

2-1 为什么使用瞬时频率？

在传统频谱分析中，频率指是以 傅里叶变换 为基础的 与时间无关的量 ：频率f或角频率w ，其实质是表示信号在一段时间内的总体特征。对于一般的平稳信号，传统的频域分析方法是有效的。
但是对于实际中存在的 非平稳信号，其频率是随时间变化的 ，此时傅里叶频率不再适合，为了表征信号的局部特性就需要引进 瞬时频率 的概念。

2-2 公式

$解析信号z(t)=源信号x(t)+j\widehat{x}(t)$

2-2-1 瞬时振幅 $A (t)$

$A(t)=\sqrt{x^2(t)+\widehat{x}^2(t)}$

2-2-2 瞬时相位

$\theta(t)=arctan\frac{\widehat{x}(t)}{x(t)}$

2-2-3 信号的瞬时频率为瞬时相位的导数

$\frac{1}{2π}w(t)=f(t)=\frac{1}{2π}\frac{d\theta(t)}{dt}$

2-2-4 处理时需要注意的点

不是任何解析信号都可以通过该定义得到有意义的瞬时频率，要得到有意义的瞬时频率，原始信号就必须满足严格的条件。

3 本征模态函数 $I MF$

3-1 要领： $x(t)=∑imf_i(t)+r_N(t)$

将原信号分解成若干本征模态函数 $I MF$ 与单调残差（残余信号） $r_N(t)$

每个 $I MF$ 必须要满足如下两个条件：
1）在整个信号上，极值点的个数和过零点的个数相差不大于1；
2）在任意点处，上下包络的均值为0。
通常情况下，实际信号都是复杂信号并不满足上述条件。因此，黄锷进行了以下的假设：
1）任何信号都是由若干本征模态函数组成的；
2）各个本征模态函数即可是线性的，也可是非线性的，各本征模态函数的局部零点数和极值点数相同，同时上下包络关于时间轴局部对称；
3）在任何时候，一个信号都可以包含若干本征模态函数，若各模态函数之间相互混叠，就组成了复合信号。

3-2 若干 $I MF$ 的处理过程

3-2-1 $EM D$ 分解的分析过程

得到第一个 $I MF$ 的第一个低频信号

图解 $x_0(t)_-m_1(t)=h^1_1(t)$

$x_0(t)$ 源信号函数
注：视图中的 $u (x)$ 为 $x_0(t)$

减去
$m_1(t)$ 上下包络线的折中函数
注：别管图中IMF2

等于
$h^1_1(t)$ 低频信号
这一步处理得到的结果显然太理想了，需要经过不超过10步（直到处理得到的函数满足 $I MF$ 定义）得到一个 中线趋于 $x 轴$ 的 $h^k_1(t)$ （即 $imf_1(t)$ ）
这里的 $r_1(t)$ 是源信号经过处理后的函数（即 $x_1(t)$ ）
然后重复上述步骤直至 $r_n(t)$ 为 单调函数或常量 时， EMD分解过程停止！