基于斜极点的经验模态分解方法

已发现极值在经验模态分解中建立的包络不能总是很好地描述信号的局部特征。 这部分是由于到以隐藏的鳞片为特征的轻微振荡,在处理过程中几乎不予处理筛选过程。 当涉及隐藏尺度时,固有模式函数通常在给定实例中包含多个振荡模式。 鉴于此,基于拐点要点本文提出了一种新的分解算法,称为“斜极值经验” 模式分解”来解决这些问题。 使用此算法,任何信号都可以分解为有限数量的“斜极值固有模式函数” 拥有性能更好的希尔伯特变换,并产生更精确的瞬时频率。 它可以抑制隐藏的音阶的影响,并且在提取过程中更进一步更好的尺度。 实验结果证明了该新方法的良好性能。