基于经验模态分解的非平稳信号趋势项消除

《基于经验模态分解的非平稳信号趋势项消除》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第31卷第1期飞行器测控学报V01．31No．11111生!旦』壁望!望垦!Q!曼卫璺竺竺竺!垒丛!!壁￡!皇竺塾旦Q!QgY里!堡：!!!!基于经验模态分解的非平稳信号趋势项消除。朱学锋，韩宁(92941部队·辽宁葫芦岛·125000)摘要：归纳概括了传统的趋势项消除方法，指出各类方法的优点和不足，提出了基于EMD(经验模态分解)的非线性、非平稳信号剔除方法。该方法通过数据驱动自适应构造基底函数IMF(本征模函数)，再由若干阶IMF分量和剩余分量的重组获得趋势项，避免了对复杂趋势项的数学建模和分析计算。仿真结果表明，EMD法能够有效地

2、提取和剔除非平稳信号中的复杂趋势项成分，获得平滑的趋向性信号。关键词：趋势；非平稳信号；经验模态分解；小波变换中图分类号：V557．3文献标识码：A文章编号：1674—5620(2012)01—0065—06RemovalofNon—StationarySignalTrendItemsbyEmpiricalModeDecompositionZHUXuefeng，HANNing(PLAUnit92941，Huludao，LiaoningProvince125000)Abstract：Followinganoverviewofthestre

3、ngthsandweaknessesofconventionaltrenditem-removalmethods，thispaperputsforwardamethodbasedonEMD(EmpiricalModeDecomposition)toremovethetrenditemsfromnon—linearandnonstationarysignals．ThemethoddefinesadaptiveIMF(IntrinsicModeFunction)functionbydata—driv—ingandreconstructstr

4、enditemsbysomeIMFsandresidualcomponents，andmakesmathematicalmodelingandcomputingunnecessaryforcomplextrenditems．Simulationandtestresultsshowthatthemethodeffectivelypicksupandremovescomplextrenditemsfromnon—stationarysignalsandobtainssmoothtendencysignals．Keywords：TrendIt

5、em；NonStationarySignal；EmpiricalModeDecomposition；WaveletTransform0引言由于运载火箭、导弹恶劣的飞行环境，导致了箭(弹)上设备可能出现异常，加上地面设备也可能出现异常，实测信号中往往会出现奇异项和趋势项，并混杂有周期性干扰和噪声干扰。另外，传感器、变换器也可能出现零位漂移uj。这些奇异项、趋势项以及周期性干扰用高通滤波器也无法满意地将其消除，因此需要在采样后用数学方法消除。遥测数据中的趋势项既可以是畸变引起的基线偏移，也可以是一种相对于研究主频率段来说较低的甚低频扰动。当

6、信号中有明显的趋势项而未消除时，进行相关性分析和功率谱密度分析时会出现畸变，造成低频成分上翘甚至淹没主频成分，从而严重地影响处理精度。因此，为了改善数据质量或者将数据加工成便于数据处理的形式，需要提取或剔除趋势项‘1—2I。目前，趋势项的剔除方法大致可分为如下几类。1)拟合法，最常用的有最小二乘法[1。2]、逐步回归法、G(1，1)和GM(2，1)[31等。这类方法一般用于线性趋势项、高阶多项式趋势项和变幅值的周期振荡趋势。其主要缺点是对信号的拟合需要事先预测趋势项类型，如线性函数、指数函数、幂函数等。随着趋势项复杂程度的增加，拟合的难

7、度也增大，对分析较复杂的实际信号不适用。2)模型法，如ARIMA(自回归综合滑动平均)模型法‘4

8、、季节性模型法EH]、X一12一ARIMA方法‘51等。它们通过某些处理方法将趋势项剔除，经处理后的信号可认为是平稳随机的，按平稳随机过程来研究。此类方法建模简单，但不能得到趋势项的具E究研法、万析分}J信动振和理处据数聊遥为向方究砰要．王师程工级高一士∞硕一程叭工：臂刀期，翌修％省一∞学。；一朱¨叭虮咆卫简％期者趴日作眈稿一明收第坫飞行器测控学报第31卷体形式，不便于进行系统分析，适用于预测目的。3)滤波法，如滑动平均法，傅里叶变换法等。

9、这类方法简单高效，但其明显不足是频率泄露，即滤波后的趋势项部分明显含有随机信号成分，从而降低了主频信号的分析精度，甚至会丢失部分重要信息。4)小波法。小波法[61是近年来发展起来的一种非常有效的非平稳信号趋