经验模态分解的噪声破坏及其对瞬时频率的影响
数据分析、统计与概率
2010-08-26 v1 地球物理
摘要
Huang 的经验模态分解（EMD）是一种分析非平稳数据的算法，通过将数据分解为自适应定义的模态来提供局部化时频表示。EMD 可用于估计信号的瞬时频率（IF），但在存在噪声时性能较差。为了产生有意义的 IF，分解的每个模态必须是近单色的，这一条件算法无法保证，且当信号被噪声破坏时无法满足。在这项工作中，提取同时包含信号和噪声的模态被确定为 IF 估计效果差的原因。详细阐述了提取此类“过渡”模态的具体机制，该机制建立在 Flandrin 和 Goncalves 的观察之上，即 EMD 在分析纯噪声时以滤波器组的方式运作。该机制被证明依赖于模态间的频谱泄漏以及底层信号的相位。这些思想通过使用简单信号得以发展，并在合成地震波形上进行了测试。
引用
@article{arxiv.1008.4176,
title = {Noise Corruption of Empirical Mode Decomposition and Its Effect on Instantaneous Frequency},
author = {Daniel N. Kaslovsky and Francois G. Meyer},
journal= {arXiv preprint arXiv:1008.4176},
year = {2010}
}
备注
28 pages, 19 figures. High quality color figures available on Daniel Kaslovsky's website: http://amath.colorado.edu/student/kaslovsk/