随机噪声对经验模态分解非线性信号的影响

采用Monte-Carlo随机模拟方法来研究外部噪声对经验模态分解非线性信号的影响.结果表明:噪声对低阶特征模态函数(IMF)影响较为明显,对高阶IMF影响较小;白噪声强度系数越大,分解出的IMF纯噪声分量阶数越多;用含噪声信号减去经验模态分解后的主要IMF噪声分量,可较为明显地削弱噪声的影响;含噪声响应的最大Lyapunov指数比不含噪声响应的最大Lyapunov指数小     

基于最大Lyapunov指数预测的EMD端点延拓

将最大Lyapunov指数预测引入到经验模式分解（EMD）的端点延拓中,提出用最大Lyapunov指数预测后的数据进行EMD分解的方法.该方法充分考虑了信号的内在特性,使端点处的延拓更加合理,从而使得三次样条曲线在端点处不会发生大的摆动.通过线性、非线性和实测信号的分析表明该方法能够有效地抑制端点效应. 关键词： EMD 非线性 Lyapunov指数 端点效应