利用锯齿变换快速分解时间序列数据的本征模态
数值分析
2007-11-14 v2
摘要
本文介绍了一种寻找时间序列数据本征模态函数（IMF）分量的高效方法。该方法比由希尔伯特 - 黄变换（HHT）作者设计的经验模态分解（EMD）方法更快且更具可预测性。该方法将原始数据函数转换为分段线性锯齿函数（或三角波函数），然后在锯齿空间中通过连接最大值直接构造上包络，并通过直线段连接最小值构造下包络，IMF 计算为锯齿函数与上下包络均值之差。在锯齿空间中发现的结果被反向变换回原始数据空间，作为所需的 IMF 和包络均值。这种分解方法只需单次处理数据即可获得唯一的 IMF 分量，无需 EMD 方法中耗时的重复筛选过程。本文还提出了一种基于锯齿函数展开的替代分解方法。
引用
@article{arxiv.0710.3170,
title = {Fast Intrinsic Mode Decomposition of Time Series Data with Sawtooth Transform},
author = {Louis Yu Lu},
journal= {arXiv preprint arXiv:0710.3170},
year = {2007}
}
备注
Add details to extend the sawtooth function for boundary points calculation