matlab使用经验模式分解emd 对信号进行去噪

原文链接 : http://tecdat.cn/?p=2567

原文出处：拓端数据部落公众号

对于这个例子，考虑由具有明显频率变化的正弦波组成的非平稳连续信号。手提钻的振动或烟花声是非平稳连续信号的例子。

以采样频率加载非平稳信号数据fs，并可视化混合正弦信号。

load（'sinusoidalSignalExampleData.mat'，'X'，'fs'）; 
 
xlabel（'Time（s）'）;

观察到混合信号包含具有不同幅度和频率值的正弦波。

为了创建希尔伯特谱图，您需要信号的IMF。执行经验模式分解以计算信号的固有模式函数和残差。由于信号不平滑，请指定' pchip'作为Interpolation方法。

\[imf，residual，info\] = emd（X，'Interpolation'，'pchip'）;

目前的IMF | #Sift Iter | 相对Tol | 停止标准命中   
      1 | 2 | 0.026352 | SiftMaxRelativeTolerance 
      2 | 2 | 0.0039573 | SiftMaxRelativeTolerance 
      3 | 1 | 0.024838 | SiftMaxRelativeTolerance 
      4 | 2 | 0.05929 | SiftMaxRelativeTolerance 
      5 | 2 | 0.11317 | SiftMaxRelativeTolerance 
      6 | 2 | 0.12599 | SiftMaxRelativeTolerance 
      7 | 2 | 0.13802 | SiftMaxRelativeTolerance 
      8 | 3 | 0.15937 | SiftMaxRelativeTolerance 
      9 | 2 | 0.15923 | SiftMaxRelativeTolerance
分解停止是因为残留信号的极值数小于'MaxNumExtrema'。

在命令窗口中生成的表指示每个生成的IMF的筛选迭代次数，相对容差和筛选停止标准。此信息也包含在info。您可以通过指定Display为隐藏表0。

HHT（IMF，FS）;

频率对时间图是一个稀疏图，其中垂直颜色条表示IMF中每个点的瞬时能量。该图表示从原始混合信号分解的每个分量的瞬时频谱。从该图中可以观察到三个IMF，其频率在1s处有明显变化。

可视化信号的残余和内在模式功能

对于这个例子，考虑由具有明显频率变化的正弦波组成的非平稳连续信号。手提钻的振动或烟花声是非平稳连续信号的例子。

加载非平稳信号数据，并可视化混合正弦信号。

load（'sinusoidalSignalExampleData.mat'，'X'，'fs'）;

观察到混合信号包含具有不同幅度和频率值的正弦波。

执行经验模式分解以绘制固有模式函数和信号残差。由于信号不平滑，请指定' pchip'作为Interpolation方法。

emd（X，'Interpolation'，'pchip'）;

目前的IMF | #Sift Iter | 相对Tol | 停止标准命中   
      1 | 2 | 0.026352 | SiftMaxRelativeTolerance 
      2 | 2 | 0.0039573 | SiftMaxRelativeTolerance 
      3 | 1 | 0.024838 | SiftMaxRelativeTolerance 
      4 | 2 | 0.05929 | SiftMaxRelativeTolerance 
      5 | 2 | 0.11317 | SiftMaxRelativeTolerance 
      6 | 2 | 0.12599 | SiftMaxRelativeTolerance 
      7 | 2 | 0.13802 | SiftMaxRelativeTolerance 
      8 | 3 | 0.15937 | SiftMaxRelativeTolerance 
      9 | 2 | 0.15923 | SiftMaxRelativeTolerance
分解停止是因为残留信号的极值数小于'MaxNumExtrema'。