非线性模态分解：一种新的抗噪自适应分解方法
数值分析
2015-10-07 v2
摘要
我们引入了一种新的自适应分解工具，称为非线性模态分解（NMD）。它将任意波形的给定信号分解为一组具有物理意义的振荡，同时去除噪声。NMD 基于时频分析技术与代理数据检验的强大结合——前者与其参数的自适应选择使其具有极强的抗噪能力，后者用于识别相互依赖的振荡并区分确定性活动与随机活动。我们展示了 NMD 在模拟信号和真实信号中的应用，并证明了其在定性和定量上优于其他现有方法，如（集成）经验模态分解、Karhunen-Loeve 展开和独立成分分析。我们指出，NMD 可能适用于地球物理学、金融学和生命科学等许多不同的研究领域。运行 NMD 所需的 MATLAB 代码可在 http://www.physics.lancs.ac.uk/research/nbmphysics/diats/nmd/ 免费获取。
引用
@article{arxiv.1207.5567,
title = {Nonlinear Mode Decomposition: a new noise-robust, adaptive decomposition method},
author = {Dmytro Iatsenko and Peter V. E. McClintock and Aneta Stefanovska},
journal= {arXiv preprint arXiv:1207.5567},
year = {2015}
}
备注
38 pages, 13 figures