Intrinsic Time-Scale Decomposition

资 源 简 介

Intrinsic Time-Scale Decomposition

详 情 说 明

固有时间尺度分解（Intrinsic Time-Scale Decomposition, ITD）是一种完全由数据驱动的自适应信号处理方法，其核心思想是将复杂信号分解为多个具有物理意义的固有旋转分量和一个单调趋势项。与经验模态分解（EMD）类似，ITD同样采用迭代筛选策略，但避免了EMD在极值点插值时可能引入的过冲/欠冲问题。

ITD的关键在于通过局部极值点提取信号的基线分量，随后从原始信号中分离出高频细节，这一过程称为本征旋转提取。每个分量需满足局部对称性条件，确保瞬时频率具有物理意义。相比EMD，ITD的计算效率更高且对噪声鲁棒性更强，适用于非平稳信号分析、机械故障诊断等领域。由于分解过程不依赖先验基函数，ITD特别适合处理非线性、非高斯分布的实时信号。