经验模式分解(EMD)信号处理与IMF提取系统

资 源 简 介

经验模式分解(EMD)是一种自适应的时间序列处理方法，专门用于分析非线性和非平稳信号。该项目通过MATLAB实现了完整的EMD算法流程，其核心原理是根据信号的时间尺度特征进行分解，而无需预先确定任何基函数。系统首先通过识别原始信号中的所有局部极大值和极小值，利用三次样条插值算法生成上包络线和下包络线。接着计算上下包络线的均值，并从原始信号中减去该均值，通过迭代的筛选过程(Sifting Process)提取出满足固有模态函数(IMF)条件的各个分量。每个IMF分量必须满足两个条件：极值点数量与过零点数量相

详 情 说 明

经验模式分解(EMD)信号处理与IMF提取系统

项目介绍

经验模式分解（Empirical Mode Decomposition, EMD）是一种先进的自适应信号处理方法，专门设计用于处理非线性和非平稳时间序列。与传统的傅里叶变换或小波变换不同，该系统不需要预先设定任何基函数，而是根据信号自身的局部时间尺度特征，将复杂的信号分解为一系列具有物理意义的固有模态函数（Intrinsic Mode Functions, IMF）和一个残余分量（Residue）。

本系统通过 MATLAB 实现了完整的 EMD 算法逻辑，包括信号生成、筛选迭代过程、瞬时特征分析以及多维度的结果可视化展示。

功能特性

1. 自适应分解能力：通过递归筛选过程自动从复杂信号中提取不同频率尺度的模式。
2. 多模式信号模拟：系统内置了包含高频正弦波、频率调制信号（FM）、二阶线性趋势项以及随机高斯噪声的复合测试信号。
3. 高精度包络拟合：采用三次样条插值技术精确构建上下包络线，并针对端点效应进行了初步优化。
4. 瞬时频率分析：集成希尔伯特变换（Hilbert Transform），实时计算每个 IMF 分量的瞬时振幅和瞬时频率。
5. 完备性验证：系统自动计算分解结果的重构误差，确保所有 IMF 分量与残余分量的总和能完美复现原始信号。
6. 全方位可视化：提供时域分解图、瞬时频率演变图以及模拟希尔伯特时频谱（能量-时频分布）。

系统要求

• MATLAB R2016b 或更高版本
• Signal Processing Toolbox（信号处理工具箱，用于 hilbert 函数和 movmean 函数）

核心实现逻辑

1. 模拟信号构建

系统首先建立一个采样频率为 1000Hz 的时间序列，并人工合成四个特征分量：

• s1：50Hz 的高频纯简谐波。
• s2：以 10Hz 为中心频率并受 1Hz 调制信号控制的频率调制信号（FM）。
• s3：二阶抛物线形式的趋势项，模拟非平稳过程。
• noise：服从正态分布的随机噪声。

这些分量相加后形成了待处理的复杂原始信号。

2. EMD 分解流程（筛选过程）

算法核心通过嵌套循环实现：

• 外层循环：负责控制 IMF 的分量提取。通过检查残余信号的极值点数量来判断分解是否结束（当极值点少于 3 个，即信号接近单调时停止）。
• 内层循环（Sifting Process）：对每一个分量进行多次迭代筛选。通过计算当前信号的上下包络均值并将其减去，直到满足预设的标准差（SD）停机准则或达到最大迭代次数（50次）。
• 停机准则：系统使用相邻两次筛选步骤之间的标准差（Sum of Differences）作为收敛判据，默认阈值为 0.3，保证分量满足均值为零的对称性要求。

3. 特征提取与分析

• 极大值与极小值识别：系统利用一阶微分的变化规律手动定位信号中的所有局部极值点。
• 包络线构建：在极值点之间使用三次样条插值（Spline Interpolation）生成平滑的包络。为了缓解端点发散问题，系统在信号的首尾边界强行加入了端点值进行约束。
• 解析信号分析：对提取出的 IMF 分量应用希尔伯特变换，获得解析信号。通过计算相位的变化率推导出瞬时频率，并应用滑动平均平滑处理以消除边缘频率抖动。

4. 统计与可视化

• 误差记录：在终端打印提取的 IMF 数量以及重构信号与原始信号之间的最大绝对误差。
• 图形输出：

- 时域图：垂直排列显示原始信号、各个顺序提取的 IMF 以及最终残余项。 - 瞬时频率图：在同一坐标系下展示不同分量的频率随时间波动的曲线。 - 时频谱预览：利用散点图模拟 HHT 谱，其中横轴为时间，纵轴为频率，点的色彩代表频率高低，点的大小代表该时刻的信号振幅（能量）。

关键算法细节说明

• 极值寻找算法：系统通过 diff 函数计算一阶导数，识别导数从正变负（极大值）或从负变正（极小值）的索引位置。
• 标准差计算公式：系统采用 $SD = sum frac{(h_{prev} - h)^2}{(h_{prev}^2 + epsilon)}$ 来量化筛选过程的稳定性。
• 边缘效应处理：在进行包络线插值前，人为将时间序列的第一个点和最后一个点加入极值序列中，确保生成的包络线能够覆盖整个信号长度。
• 瞬时频率修正：由于希尔伯特变换在信号边缘存在不稳定性，可视化模块专门剔除了头部和尾部各 10 个采样点的数据，以保证频率显示的准确性。

使用方法

1. 确保您的 MATLAB 环境已正确配置。
2. 直接运行主入口函数。
3. 运行结束后，系统将在控制台输出分解概览信息。
4. 随后将自动弹出三个独立的可视化窗口，供研究者对比分析信号在不同频率尺度下的演化过程。