EMD算法的改進(jìn)及其在非平穩(wěn)信號(hào)處理中的應(yīng)用.pdf

1、非平穩(wěn)信號(hào)的分析與處理在實(shí)際應(yīng)用中占據(jù)著非常重要的地位，在處理這類信號(hào)時(shí)，傳統(tǒng)的時(shí)頻分析方法有短時(shí)傅里葉變換、小波變換、Wigner-Ville分布等，但它們從本質(zhì)上來(lái)講都還是擺脫不了傅里葉變換的約束，在分析非平穩(wěn)信號(hào)時(shí)具有一定的局限性。Hilbert-Huang變換是美國(guó)國(guó)家宇航局的科學(xué)家NordenE.Huang等人在1998年提出的一種具有自適應(yīng)性的新型信號(hào)處理方法，特別適用于非線性、非平穩(wěn)信號(hào)的分析和處理，它由經(jīng)驗(yàn)?zāi)B(tài)分解(EM

2、D)和Hilbert變換兩大部分構(gòu)成。
　　本文在對(duì)EMD算法進(jìn)行深入研究的基礎(chǔ)上對(duì)其存在的端點(diǎn)效應(yīng)問題進(jìn)行了改進(jìn)，并將改進(jìn)后的EMD算法應(yīng)用在非平穩(wěn)信號(hào)處理中。以軸承故障信號(hào)的特征提取和太陽(yáng)黑子時(shí)間序列的預(yù)測(cè)這兩種非平穩(wěn)信號(hào)為例來(lái)進(jìn)行研究。具體內(nèi)容如下:
　　(1)針對(duì)EMD分解中存在的端點(diǎn)效應(yīng)，在對(duì)現(xiàn)有的信號(hào)延拓算法進(jìn)行總結(jié)的基礎(chǔ)上，采用了一種基于波形匹配法和窗函數(shù)相結(jié)合的算法，改進(jìn)算法充分利用了二者的優(yōu)勢(shì)，有效地抑制了

3、端點(diǎn)效應(yīng)，提高了分解精度。
　　(2)為了更好地準(zhǔn)確提取出軸承故障頻率，將改進(jìn)的小波閾值去噪方法與EMD分解相結(jié)合應(yīng)用在滾動(dòng)軸承的故障診斷中。首先利用改進(jìn)的小波去噪法對(duì)軸承故障信號(hào)進(jìn)行去噪以便獲得更好的去噪效果，然后采用EMD方法將去噪后的信號(hào)自適應(yīng)地分解成一系列IMF分量，最后通過(guò)能量和相關(guān)系數(shù)相結(jié)合的方法準(zhǔn)確選取能夠反映故障特征的IMF分量進(jìn)行包絡(luò)譜分析，進(jìn)而提取出故障頻率。實(shí)驗(yàn)結(jié)果表明該方法能夠使故障特征頻率處的譜峰更加明顯

4、，提高分析的準(zhǔn)確性。
　　(3)為了更好地對(duì)太陽(yáng)黑子時(shí)間序列進(jìn)行預(yù)測(cè)，將EMD分解和組合預(yù)測(cè)模型方法相結(jié)合運(yùn)用到太陽(yáng)黑子時(shí)間序列的預(yù)測(cè)中。首先將經(jīng)過(guò)去噪處理后的太陽(yáng)黑子序列通過(guò)EMD分解進(jìn)行處理，將其分解為一系列相對(duì)平穩(wěn)的IMF分量，然后針對(duì)高頻分量相對(duì)較復(fù)雜而低頻分量和余項(xiàng)規(guī)律性較強(qiáng)的特點(diǎn)，對(duì)低頻分量及余項(xiàng)選擇RBF模型進(jìn)行預(yù)測(cè)，對(duì)高頻分量采用SVM模型進(jìn)行預(yù)測(cè)，最后將各個(gè)分量的預(yù)測(cè)值相疊加得到最終預(yù)測(cè)值。仿真結(jié)果表明EMD分解