大家好，小良來(lái)為大家解答以上問(wèn)題。惡魔的愛(ài)，emd很多人還不知道，現(xiàn)在讓我們一起來(lái)看看吧！

問(wèn)題：1。組件c1、c2、c3.cn分別包含從高到低的不同頻率分段。每個(gè)頻率分量是不同的，并且隨著信號(hào)x(t)而變化，而rn表示信號(hào)x(t)的中心趨勢(shì)。對(duì)于這句話c1 c2是否有點(diǎn)混亂.cn嚴(yán)格按照從高到低的頻率，rn說(shuō)表示中樞趨勢(shì)。我想有人說(shuō)，誤差應(yīng)該基于情況。2.暫時(shí)還沒(méi)有仔細(xì)研究過(guò)黃的節(jié)目。我不知道他做了什么來(lái)改進(jìn)emd的缺點(diǎn)。更具體地說(shuō)，這個(gè)程序是如何改進(jìn)emd?的，它更適合分析什么樣的信號(hào)？看imf的定義可以看到，對(duì)于調(diào)幅調(diào)頻信號(hào)的對(duì)稱信號(hào)處理應(yīng)該是比較好的，但是實(shí)際信號(hào)的時(shí)域波形，比如地震信號(hào)，應(yīng)該是失真的，而不是標(biāo)準(zhǔn)的正弦波或者正弦波，我們?cè)谂e例的時(shí)候傾向于給出一個(gè)標(biāo)準(zhǔn)的正弦波或者調(diào)幅調(diào)頻。如果我們舉噪音的例子會(huì)發(fā)生什么？3.對(duì)于目前的emd計(jì)劃，它正在得到改善，并因此發(fā)表了許多文章。在故障診斷方面，湖南大學(xué)的俞老師做的比較好，發(fā)表了3-4篇機(jī)械系統(tǒng)和信號(hào)處理方面的文章。算法改進(jìn)了，主要故障是齒輪和軸承。大家都知道這些信號(hào)調(diào)幅調(diào)頻的概率比較高。處理效果應(yīng)該還可以，但是對(duì)于其他故障，不知道大家有沒(méi)有試過(guò)。如果轉(zhuǎn)速變化大，采集的波形波動(dòng)大，效果還好嗎？現(xiàn)在我還是覺(jué)得稍微穩(wěn)定狀態(tài)的信號(hào)處理效果更好。期待你們的討論？回答

1.c1 c2.cn確實(shí)是嚴(yán)格按照頻率從高到低產(chǎn)生的，但是這里有一個(gè)誤解，并不是說(shuō)c1的頻率一定比c2高。正確的理解是c1中某一部分的出現(xiàn)頻率高于c2中同一部分的出現(xiàn)頻率，這正好體現(xiàn)了EMD算法強(qiáng)局部性的本質(zhì)。也正應(yīng)了黃的說(shuō)法，“相鄰的分量可能包含同一時(shí)間尺度的振蕩，但同一時(shí)間尺度的振蕩絕不會(huì)出現(xiàn)在兩個(gè)不同的分量中。至于分解過(guò)程中產(chǎn)生的誤差(主要是包絡(luò)模式的選擇、邊界效應(yīng)的處理和濾波停止條件的設(shè)計(jì))，會(huì)在下一層分解中積累，不一定是最后的余量(趨勢(shì)項(xiàng))。2.a)實(shí)際上，我們沒(méi)有得到黃的源程序(這不是免費(fèi)的，因?yàn)辄S已經(jīng)在NASA申請(qǐng)了專(zhuān)利)。一般大部分人用的是Flandrin提供的源代碼，也就是LS提到的G. Riley的方法(因?yàn)榫W(wǎng)站提供的源代碼是Flandrin的，所以有兩種不同的說(shuō)法，但是emdM提到的文章是G. Riley作為第一作者寫(xiě)的，可能外國(guó)人不像我們這樣通過(guò)。程序基本可靠，可以用來(lái)分析各種數(shù)據(jù)，但效果如何就看是否符合你的需求了。至于什么樣的數(shù)據(jù)合適，沒(méi)有定論。第一，EMD算法還沒(méi)有建立合適的數(shù)學(xué)模型，這意味著它缺乏嚴(yán)格的數(shù)學(xué)基礎(chǔ)。很多收斂性、唯一性、正交性等數(shù)學(xué)問(wèn)題根本無(wú)法進(jìn)行，甚至“EMD可以分析什么信號(hào)”目前都無(wú)法解釋。其次，算法本身是可操作的，到目前為止也是經(jīng)驗(yàn)性的(就像算法的名字一樣)，要找到它的理論支撐才能研究。第三，一個(gè)算法不可能對(duì)任何信號(hào)都有效，所以不要指望EMD能處理任何信號(hào)。b)從IMF的定義來(lái)看，確實(shí)要求IMF是對(duì)稱的，但這并不意味著信號(hào)本身具有這樣的特性，也不要求信號(hào)是正弦和余弦的合成。我認(rèn)為，EMD之所以能吸引這么多人的眼球，除了恰當(dāng)?shù)乃^“傳銷(xiāo)”之外，還有它在實(shí)踐中的表現(xiàn)。如果只能處理有規(guī)律的信號(hào)，它的影響(有好的也可能有壞的)不可能這么成功。C) EMD產(chǎn)生IMF由高到低的特性，也就是說(shuō)可以用它去噪，而不是在使用EMD之前用其他方法處理噪聲。比如我在這期間做過(guò)的大腦功能激活區(qū)的檢測(cè)，本質(zhì)上就是去除信號(hào)的噪聲，恢復(fù)原始刺激的過(guò)程。無(wú)論是對(duì)于服從規(guī)則分布(如高斯分布、均勻分布等)的加性隨機(jī)信號(hào)，結(jié)果都非常好。)以及對(duì)于服從正態(tài)分布的乘性隨機(jī)信號(hào)(我只測(cè)試了泊松分布)。當(dāng)然，后者的結(jié)果不如前者，但足以超越傳統(tǒng)的檢測(cè)方法。個(gè)人認(rèn)為EMD之所以在實(shí)踐中如此有效，是因?yàn)樗梢蕴幚矸瞧椒€(wěn)、非線性的時(shí)間序列。3.目前EMD方法的改進(jìn)分為兩個(gè)方面，一個(gè)是實(shí)驗(yàn)層面，一個(gè)是理論層面，后者比較少見(jiàn)。a)前者主要包括兩部分。其實(shí)這些都是人們?cè)谑褂肊MD分解信號(hào)時(shí)所采用的一些主觀規(guī)則。一是根據(jù)對(duì)零均值條件的主觀理解，采用不同的方法作為IMF濾波的停止條件；其次，在使用三次樣條計(jì)算信號(hào)的上下包絡(luò)時(shí)，根據(jù)信號(hào)兩端的趨勢(shì)，使用特定的端點(diǎn)延拓方法。在使用EMD分解非平穩(wěn)和非線性信號(hào)時(shí)，在上述兩點(diǎn)中使用不同的規(guī)則會(huì)導(dǎo)致不同的EMD分解結(jié)果。2003年G. Rilling等人對(duì)黃的EMD算法進(jìn)行了改進(jìn)，屬于第一種。個(gè)人認(rèn)為這個(gè)條件比黃原來(lái)的條件更合理。而鄧永軍等國(guó)內(nèi)學(xué)者在2001年提出的神經(jīng)網(wǎng)絡(luò)方法，黃達(dá)基在2003年提出的鏡像閉合法和極值點(diǎn)延拓法，劉惠庭在2004年提出的多項(xiàng)式擬合算法都屬于第二種。

至于這兩年的研究成果，我還沒(méi)整理，呵呵。b)后者主要是邱等人在2004年提出的用“滑動(dòng)平均”法代替?zhèn)鹘y(tǒng)的“包絡(luò)平均”法計(jì)算信號(hào)的低頻。他們?cè)噲D利用B樣條函數(shù)已有的良好性質(zhì)來(lái)進(jìn)一步發(fā)展經(jīng)驗(yàn)?zāi)B(tài)分解的數(shù)學(xué)基礎(chǔ)。另外，2006年初，黃提出了EMD算法得到的IMF的后處理算法(本質(zhì)上是對(duì)IMF進(jìn)行標(biāo)準(zhǔn)化)，其目的是更準(zhǔn)確地得到瞬時(shí)頻率和幅值(個(gè)人認(rèn)為這才是真正的包絡(luò)和瞬時(shí)頻率。來(lái)北京之前，我嘗試在當(dāng)?shù)刈C明這個(gè)算法。

本文到此結(jié)束，希望對(duì)大家有所幫助。