经验模式分解

资 源 简 介

经验模式分解

详 情 说 明

经验模式分解（EMD）是一种自适应信号处理方法，由黄锷博士提出，主要用于非平稳、非线性信号的时频分析。通过将复杂信号分解为若干本征模态函数（IMF），EMD能有效揭示信号内在的时变特性。每个IMF需满足极值点与过零点交替出现且上下包络线局部对称的条件。

分解过程采用迭代筛分算法：首先识别信号极值点，构建上下包络线并计算均值曲线，用原信号减去均值得到初步IMF候选。重复该过程直至满足IMF条件，剩余部分视为趋势项。最终所有IMF分量与趋势项之和严格等于原始信号。

时间-频率分解图（希尔伯特谱）通过将每个IMF进行希尔伯特变换，获得瞬时频率和幅值信息，实现信号能量在时频平面的精准定位。相比传统傅里叶变换，这种分析方法特别适合处理突变信号和频率随时间变化的场景，例如机械振动监测、生物医学信号分析等领域。