含有自适应筛选系数的广义经验模态分解方法 |
| |
作者单位: | ;1.中央财经大学统计学院;2.台湾辅仁大学统计资讯学系 |
| |
摘 要: | 经验模态分解(EMD)是针对非线性和非平稳数据的有效分析方法,但是原始算法有多余分量、分量之间不完全正交等缺点.本文引入筛选系数λ将原始EMD算法推广为广义EMD算法,并且使用最小化正交条件来选取最优筛选系数.模拟数据和实际数据的分析结果显示,相比于原始EMD算法,该算法有效地减少了多余分量,更好地分解出了时间序列的趋势成分,而且提高了IMF成分序列之间的正交性.由于筛选系数是数据本身决定的,因此该算法比原始算法有更强的自适应性.
|
关 键 词: | EMD 筛选系数 广义EMD |
Generalized Empirical Mode Decomposition with Adaptive Sifting Parameter |
| |
Abstract: | |
| |
Keywords: | |
|
|