对于非平稳信号S(t),PEEMD方法分解步骤如下。
(1)在原始信号S(t)中,分别添加均值为零的白噪声信号ni(t)和-ni(t),即
其中,ni(t)表示添加的白噪声信号,ai表示添加噪声信号的幅值,i=1,2,…,Ne,Ne表示添加白噪声对数。
(2)分别对(t)和(t)进行EMD分解,得到第一阶IMF分量序列,和。对得到的分量进行总体平均:检查I1(t)是否是异常信号,若熵值大于θ0,则被认为是异常信号,否则近似认为是平稳信号。经过多次试验发现,θ0取0.55~0.6较为合适,这里取0.6。若I1(t)是异常信号,继续执行步骤(1),直至得到的分量Ip(t)不是异常信号。(www.xing528.com)
(3)将已分解的前p-1个分量从原始信号中分离出来,即
(4)再对剩余信号r(t)进行EMD分解,将得到的所有IMF分量按高频到低频排列。
PEEMD方法避免了EEMD和CEEMD方法中不必要的集成平均,不但使得更多得到的分量具有IMF的意义,而且减小了EEMD和CEEMD的计算量,减小了由添加白噪声引起的重构误差,保证了分解的完备性。与EEMD和CEEMD类似,PEEMD也需选择添加到目标信号的白噪声的幅值ai和添加对数Ne。目前还没有严格的理论上的选择依据,Wu在文献[63]中指出,添加白噪声的幅值选定原始信号标准差(standard deviation,SD)的0.1~0.2倍。集成次数以满足为宜,其中N是集成次数,ε是添加白噪声幅值,εn是误差的最终标准偏差,定义为输入信号与得到的相应IMF分量之和的差值。添加的白噪声如果幅值太小,就不能够改变极值点的分布,起不到均匀极值点尺度的作用;增加集成次数,虽然能够减少白噪声信号的影响,但是会增加运行时间。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。