局部均值分解LMD算法MATLAB完整实现

资 源 简 介

本项目提供了局部均值分解（Local Mean Decomposition, LMD）方法的完整MATLAB实现代码。LMD是一种针对非平稳、非线性信号的自适应时频分析方法，该程序能够将复杂的原始多分量信号分解为若干个乘积函数（Product Function, PF）之和，其中每个PF分量由一个包络信号和一个纯调频信号相乘得到。项目功能详细包括了极值点查找、滑动平均计算局部均值与局部包络、迭代筛分过程以及分解终止条件的判断逻辑。该代码已经在MATLAB 7.0环境下经过严格调试并测试通过，确保了算法的稳定性和准确性。它可以帮助用户深入理解LMD算法的内部机制，并直接应用于机械故障诊断、振动信号分析、生物医学信号处理等领域的特征提取与信号降噪任务中，直观展示信号的时频特征。

详 情 说 明

局部均值分解 (LMD) 算法 MATLAB 实现

项目简介

本项目提供了一个基于MATLAB环境的局部均值分解（Local Mean Decomposition, LMD）算法的完整实现。LMD是一种自适应的时频分析方法，专门用于处理非平稳和非线性信号。与经验模态分解（EMD）类似，LMD能够将复杂的原始信号分解为若干个乘积函数（Product Function, PF）分量，每个PF分量由一个纯调频信号和一个包络信号由乘积构成，从而获得具备物理意义的瞬时频率和瞬时幅值。

本代码不仅包含了LMD的核心算法实现，还内置了一个包含调幅调频、高频冲击和低频趋势的混合仿真信号生成器，用于演示算法的分解效果，并提供了完整的动态可视化绘图功能。

功能特性

• 自适应分解：能够根据信号自身的极值点分布特征，自适应地将信号分解为多个PF分量。
• 完整的算法流程：实现了从极值点查找、局部均值与包络估计、迭代筛分到最终残差计算的完整闭环。
• 多种信号仿真：内置了调幅调频（AM-FM）、间歇性高频冲击（高斯包络）和低频正弦趋势三种典型信号的混合生成逻辑，方便测试算法性能。
• 健壮的迭代控制：包含了最大迭代次数、RMSE阈值判断以及能量阈值判断，防止算法陷入死循环。
• 去依赖化设计：核心的平滑滤波算法采用自定义的滑动平均卷积实现，不依赖MATLAB特定的信号处理工具箱高级函数，兼容性强（测试通过MATLAB 7.0及以上）。
• 自动化绘图：根据分解出的PF数量动态调整绘图通过子图（Subplot），同时展示原始信号、所有分解出的PF分量以及最终残差。

系统要求

• MATLAB 版本：MATLAB 7.0 或更高版本。
• 工具箱：本项目核心算法为原生实现，不依赖特殊的工具箱。

使用方法

1. 将下载的 .m 文件放置于MATLAB的当前工作目录下。
2. 在MATLAB命令窗口中直接运行主函数名称（通常与文件名一致），或者打开文件点击“运行”。
3. 程序将自动执行以下步骤：

* 生成采样频率为1000Hz的合成仿真信号。 * 在控制台输出“正在执行局部均值分解(LMD)...”。 * 计算并输出分解结果。 * 弹出一个图形窗口，自上而下依次显示原始信号、各个PF分量和残余分量。

算法实现细节与逻辑分析

本项目代码主要由主程序入口和三个核心功能函数组成，具体实现逻辑如下：

1. 信号生成与主控流程 (main)

• 信号构造：程序首先构建了一个复杂的模拟信号，由三部分叠加而成：

* 部分1：带有低频调制（5Hz）和载波（50Hz）的调幅调频信号。 * 部分2：中心频率150Hz的间歇性高频冲击信号，且受高斯窗口衰减控制。 * 部分3：2Hz的低频正弦趋势项。

• 流程控制：调用 run_lmd 函数执行分解，并根据返回的PF矩阵维度动态计算所需的子图数量，完成可视化绘制。

2. LMD核心分解流程 (run_lmd)

• 外层循环：这是一个类似于EMD的“筛分”过程。
• 终止条件：

* 当前残差信号的极值点总数少于5个（视为单调或简单波形）。 * 分解出的PF数量达到预设最大值（防止无限分解）。 * 残差信号的能量低于原始信号能量的 $10^{-6}$ 倍。

• 执行逻辑：在每一轮循环中，调用 extract_product_function 从当前残差中分离出一个PF分量，并从残差中减去该PF，进入下一轮分解。

3. 单个乘积函数提取 (extract_product_function)

这是LMD算法中最关键的内层循环，目的是将纯调频信号和包络信号分离。

• 迭代解调：

1. 调用 get_local_mean_envelope 计算当前信号的局部均值函数 $m(t)$ 和局部包络估计函数 $a(t)$。 2. 分离均值：$h(t) = s(t) - m(t)$。 3. 解调：$s_{next}(t) = h(t) / a(t)$。

• 收敛判断：计算估计包络 $a(t)$ 与理想值 1 之间的均方根误差（RMSE）。当 RMSE 小于阈值（$1e-4$）或达到最大迭代次数（20次）时，迭代停止。
• 结果合成：最终的PF分量由累积的包络函数与最终的调频信号相乘得到。

4. 局部均值与包络计算 (get_local_mean_envelope)

该函数体现了LMD区别于EMD的核心思想，通过滑动平均来计算局部特征。

• 极值点处理：首先通过差分符号法 find_extrema 找出信号的所有极大值和极小值。
• 中间点估算：不同于EMD使用三次样条包络，本实现计算相邻两个极值点之间的“中间点”：

* 局部均值 $m_i$：相邻极值点的平均值。 * 局部幅值 $a_i$：相邻极值点差值的绝对值的一半。

• 线性插值：将上述计算得到的离散中间点，利用线性插值（Linear Interpolation）扩展到整个时间轴。
• 滑动平均平滑 (Moving Average)：为了获得光滑的局部均值和包络函数，代码实现了一个自定义的 smooth_moving_avg 函数。

* 窗口自适应：滑动窗口的大小根据相邻极值点之间的最大距离动态调整（取最大距离的约1/3并保证为奇数），确保了平滑的自适应性。 * 边界处理：在卷积操作中使用了适当的填充策略，确保输出信号长度与原始信号一致。

--- 注意：本代码为算法实现的示例，主要用于教育、科研和算法验证目的。对于实际工程中的海量数据或实时处理，建议根据具体需求对滑动平均窗口策略或停止判据进行优化。