信号分解LMD算法及其应用
Posted Zhi Zhao
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了信号分解LMD算法及其应用相关的知识,希望对你有一定的参考价值。
目录
局部均值分解(local meanvdecomposition,LMD)是 Smith 等人于2005年提出,该算法可以自适应将复杂的非平稳信号分解成一系列的乘积函数(product function,PF),每个 PF函数有明确的物理意义(由包络信号和纯调频信号相乘得到),包络信号即瞬时幅值函数,纯调频信号可以求得瞬时频率。
一、LMD算法
1、基本原理
LMD算法的具体步骤如下:
1)找出输入信号
x
(
t
)
x(t)
x(t) 的所有局部极值点
n
i
n_i
ni,计算相邻局部极值点的均值
m
i
m_i
mi 和包络估计值
a
i
a_i
ai,计算公式为:
m
i
=
(
n
i
+
n
i
+
1
)
/
2
;
a
i
=
∣
n
i
−
n
i
+
1
∣
/
2
m_i=(n_i+n_i+1)/2; a_i=|n_i-n_i+1|/2
mi=(ni+ni+1)/2;ai=∣ni−ni+1∣/2
2)将
m
i
m_i
mi 各点用直线连接并采用移动平均方法进行平滑处理,得到局部均值函数
m
11
(
t
)
m_11(t)
m11(t),同理,将
a
i
a_i
ai 各点用直线连接并采用移动平均方法进行平滑处理,得到包络估计函数
a
11
(
t
)
a_11(t)
a11(t)。
3)将局部均值函数
m
11
(
t
)
m_11(t)
m11(t)从原始信号
x
(
t
)
x(t)
x(t) 中分离出得到
h
11
(
t
)
h_11(t)
h11(t),并用包络估计函数
a
11
(
t
)
a_11(t)
a11(t) 对其进行解调,可得
S
11
(
t
)
S_11(t)
S11(t)。
h
11
(
t
)
=
x
(
t
)
−
m
11
(
t
)
;
S
11
(
t
)
=
h
11
(
t
)
/
a
11
(
t
)
h_11(t)=x(t) - m_11(t); S_11(t)=h_11(t)/a_11(t)
h11(t)=x(t)−m11(t);S11(t)=h11(t)/a11(t)
4)将
S
11
(
t
)
S_11(t)
S11(t) 视为输入信号
x
(
t
)
x(t)
x(t),重复上述步骤得到
a
12
(
t
)
a_12(t)
a12(t)。若
a
12
(
t
)
≠
1
a_12(t)≠1
a12(t)=1,则说明
S
11
(
t
)
S_11(t)
S11(t) 不是纯调频函数,重复上述迭代步骤
n
n
n 次,直到
S
1
n
(
t
)
S_1n(t)
S1n(t) 为纯调频函数,即
l
i
m
n
→
∞
a
1
n
(
t
)
=
1
\\undersetn→∞lima_1n(t)=1
n→∞lima1n(t)=1。
5)将迭代过程中的所有包络估计函数相乘得到包络信号
a
1
(
t
)
a_1(t)
a1(t) ,即瞬时幅值函数。
a
1
(
t
)
=
a
11
(
t
)
a
12
(
t
)
.
.
.
a
1
n
(
t
)
=
∏
k
=
1
n
a
1
k
(
t
)
a_1(t)=a_11(t)a_12(t)...a_1n(t)=\\prod ^n_k=1a_1k(t)
a1(t)=a11(t)a12(t)...a1n(t)=k=1∏na1k(t)
6)将包络信号
a
1
(
t
)
a_1(t)
a1(t) 和纯调频信号
S
1
n
(
t
)
S_1n(t)
S1n(t) 相乘得到原始信号
x
(
t
)
x(t)
x(t) 的第一个分量
P
F
1
(
t
)
PF_1(t)
PF1(t)。
P
F
1
(
t
)
=
a
1
(
t
)
S
1
n
(
t
)
PF_1(t)=a_1(t)S_1n(t)
PF1(t)=a1(t)S1n(t)
P
F
1
(
t
)
PF_1(t)
PF1(t) 分量的瞬时幅值就是包络信号
a
1
(
t
)
a_1(t)
a1(t) ,瞬时频率为:
f
1
(
t
)
=
1
2
π
d
[
a
r
c
c
o
s
(
S
1
n
(
t
)
)
]
d
t
f_1(t)=\\frac12π\\fracd[arccos(S_1n(t))]dt
f1(t)=2π1dtd[arccos(S1n(t))]
7)将
P
F
1
(
t
)
PF_1(t)
PF1(t) 分量从原始信号
x
(
t
)
x(t)
x(t) 中分离出来:
u
1
(
t
)
=
x
(
t
)
−
P
F
1
(
t
)
u_1(t)=x(t)-PF_1(t)
以上是关于信号分解LMD算法及其应用的主要内容,如果未能解决你的问题,请参考以下文章
数字信号去噪基于matlab麻雀算法优化VMD信号去噪(目标函数为包络熵局部极小值)含Matlab源码 2111期
数字信号去噪基于matlab鲸鱼算法优化VMD信号去噪(目标函数为包络熵局部极小值)含Matlab源码 2091期
数字信号去噪基于matlab鲸鱼算法优化VMD信号去噪(目标函数为包络熵局部极小值)含Matlab源码 2091期