基于奇异谱分析的经验模态分解去噪方法

基于奇异谱分析的经验模态分解去噪方法

肖小兵，刘宏立，马子骥

【摘要】提出了一种基于奇异谱分析(SSA)的经验模态分解(EMD)去噪方法。该方法先对带噪信号进行EMD分解，得到若干个本征模态函数(IMF)。再通过SSA对每个IMF分量进行去噪处理：把第一个IMF分量作为高频噪声，并根据它计算出剩余IMF中所含的噪声能量，从而得到剩下的每个IMF中信号所占的能量比值。然后选择合适的窗口长度，对每个IMF进行SSA变换，根据IMF中信号所占的能量比值选择合适的奇异值分解(SVD)分量重构，得到去噪后的IMF。再将所有重构得到的IMF分量以及余项相加，得到最终去噪后的信号。经过实验，对比研究了该方法与小波软阈值、EMD软阈值和EMD滤波方法的去噪效果，结果表明该方法整体优于其它方法，是一种有效的信号去噪方法。

【期刊名称】计算机工程与科学

【年(卷),期】2017(039)005

【总页数】6

【关键词】经验模态分解;奇异谱分析;本征模态函数

1 引言

对信号进行去噪处理是数字信号处理中不可避免的问题，小波分析具有良好的时频特性，是一种对信号去噪的重要方法[1,2]，但是对信号运用小波分析方法去噪时，要求事先给定小波基函数以及小波分解层数，而且选择不一样的小波基函数和分解层数会对小波去噪的效果有很大影响[3,4]，这给运用小波分析方法对信号进行去噪带来了不便。经验模态分解方法EMD(Empirical Mode