l'analyse de Fourier ne peut pas exprimer limitations sur le signal local de la caractéristique de fréquence d'une analyse de signaux variant dans le temps non linéaire . Pour l'analyse de signaux non-stationnaires, les gens ont proposé une série de nouveaux procédé de traitement de signal: STFT , la distribution temps-fréquence bilinéaire , Gabor transformée , analyse par ondelettes , transformée de Fourier fractionnaire et autres. Ces algorithmes sont différents degrés de signal variant dans le temps de non-stationnaire est donnée description appropriée, améliore les performances de l'analyse de Fourier de . Cependant, la méthode est encore une portée globale, car elle dépend de la performance des fonctions d'analyse du signal du groupe sélectionné, il y a des limites.
MÉTHODE D'ANALYSE 1998 Huang et al proposé un nouveau signal pilote - Hilbert-Huang Transform (Hilbert-Huang Transform, HHT) . Les premières utilisations de procédé (mode empirique Decom position, EMD) d'algorithme de signal non stationnaire progressivement en plusieurs (Mode intrinsèque fonctionnelle, FMI), et une quantité résiduelle, chaque composant FMI transformée de Hilbert (dans Hilbert transformer, HT) pour donner le spectre de Hilbert qui reflète fidèlement la répartition de l'énergie du signal dans chacun de l'espace d'échelle (ou temps) de à . EMD ayant piloté par les données d'adaptation, l'analyse non-linéaire de signaux non stationnaires peuvent, sans principe Heisenberg avantages de restriction.
Cependant, Huang a proposé des composants du FMI EMD dépistage (tamiser) pour obtenir algorithme basé sur présence du mode aliasing (mode de mélange, MM) . Modal aliasing semble non seulement conduire à de faux lorsque la mauvaise distribution des fréquences, le FMI perd aussi de sens physique. Modal aliasing pour éliminer ou réprimer, à la maison et à l'étranger pour mener à bien une série d'études, avec plus ou moins de succès autour. Dans cet article, l'inhibition de unidimensionnelle et multidimensionnelle mélange de mode EMD, a résumé les principaux résultats obtenus des recherches connexes, ont souligné les différentes méthodes de suppression et l'amélioration des résultats sont encore insuffisants. Enfin, la recherche et l'application des tendances futures.
Une décomposition modale empirique et aliasing modal
EMD adaptatif rompre progressivement processus, le FMI doit satisfaire aux deux conditions suivantes: (1) le même extremum de points de signal et un déphasage nul ou un nombre, (2) au maximum, une valeur plus petite par l'ajustement de point de signal local supérieure et inférieure des enveloppes de moyenne locale est égal à zéro, à savoir, l'enveloppe supérieure et inférieure partiellement symétrique autour de l'axe . Est configuré pour être décomposé signal X (t), l'étape de calcul de l'algorithme suivant EMD :
Formule (1) Description de EMD ayant Exhaustivité , le signal X (t) par la décomposition peut être reconstruite avec précision par le FMI et toutes les autres composantes.
EMD présente un avantage important dans l'analyse non linéaire des signaux non stationnaires. En comparaison avec les techniques d'analyse de fréquence classiques, EMD pas besoin de sélectionner un groupe de fonctions, qui elle-même est basée sur une distribution de signaux point extrême de décomposition. L'algorithme lui-même manquait toute base théorique, dans le calcul de l'application réelle, il y a encore beaucoup de problèmes, le mode, y compris le mélange , l'effet final , l'itération des critères d'arrêt tamisés et autres. En général, chaque fonction de mode intrinsèque ne comporte qu'une seule composante de fréquence, le phénomène de mélange de mode. Toutefois, lorsqu'il y a une accalmie (intermittence) par un événement anormal (par exemple, un signal intermittent, les interférences et le bruit des impulsions, etc.) provoquée par le phénomène de signaux, la décomposition EMD de mélange de mode se produit .
2 jeux de décomposition en mode empirique
Pour surmonter le mode de mélange EMD 2009, signal auxiliaire Wu et Huang de fournir une analyse de bruit - décomposition du mode empirique set (Ensemble EMD, EEMD) . L'algorithme utilise les propriétés statistiques de la banque de filtres EMD comportement et le spectre de bruit blanc uniformément répartie le processus de signaux extrema Criblage deviennent plus uniformément répartie, efficace pour inhiber le mode de facteur provoquée par composante à haute fréquence intermittente et analogues aliasing. Est configuré pour être décomposé signal X (t), la EEMD étape de calcul de l'algorithme suivant: :
Cependant, dans EEMD chaque signal de bruit ajouté salut (t) est décomposé individuellement, de telle sorte que chaque salut (t) peut avoir un nombre différent de décomposition FMI, ce qui entraîne des difficultés d'alignement FMI moyenne de l'ensemble des composants. De plus, l'amplitude du bruit blanc et le nombre d'itérations dépendent de l'expérience humaine est fournie à ajouter, au moment où la valeur est définie, ne peut pas dépasser le mode de mélange . Bien que l'augmentation du nombre moyen de l'ensemble des erreurs de reconstruction peut être réduite, mais au détriment des coûts de calcul ont augmenté, et la moyenne d'ensemble d'un nombre limité de fois n'élimine pas complètement le bruit blanc, ce qui dans un grand algorithme de reconstruction d'erreur, la différence d'état complet de décomposition .
3 ensemble complémentaire de décomposition en mode empirique
Yeh égale à 2010 à l'ensemble complémentaire de décomposition en mode empirique (complémentaire EEMD, CEEMD) . Cette méthode a été ajoutée au signal original, une paire de bruit blanc auxiliaire positif et négatif, alors que la moyenne destructive ensemble, peut améliorer l'efficacité de décomposition, erreur de reconstruction surmonter de EEMD est grande, le problème de la décomposition de la mauvaise exhaustivité. Est configuré pour être décomposé le signal X (t), l'étape de calcul de l'algorithme suivant CEEMD :
4 l'ensemble complet de bruit adaptatif ENID
Lorsqu'il est défini à la moyenne du FMI à résoudre les problèmes d'alignement, TORRES ME et CEEMD d'ici 2011 pour améliorer le processus de décomposition et ajouter le bruit blanc, l'ensemble complet de décomposition du mode empirique proposé bruit adaptatif (de EEMD complet avec bruit adaptatif, CEEMDAN) . Est configuré pour être décomposé signal X (t), définit l'opérateur de fonctionnement Ek (·) représentée par le k-ième mode propre de signaux de composantes de DME obtenus après, l'algorithme CEEMDAN peut être décrit comme suit :
Wu et recommandations Huang avec une valeur d'amplitude minimale des données traitées par le signal à haute fréquence est régie, par ailleurs augmenter l'amplitude du bruit. Ajouté lors de la décomposition est une composante de bruit blanc de chaque commande par le FMI EMD avons finalement obtenu reconstruit signal de bruit résiduel est plus petit que le résultat EEMD réduire les délais de dépistage. D'autre part, chaque groupe de signaux pour une CEEMDAN moyenne d'ensemble éclatée immédiatement après un premier ordre composante de mode naturel, en évitant les problèmes CEEMD chaque groupe décomposition FMI causée par des différences dans la dernière série d'alignement moyen difficiles, mais également pour éviter une étape dans laquelle la décomposition du FMI d'inefficace lorsque l'impact est transmis à l'étape suivante, affecte la décomposition ultérieure. Néanmoins, CEEMDAN il y a encore quelques améliorations à , comme le FMI contiennent encore le bruit résiduel, les premiers stades de décomposition, le signal sera un certain mode « false », entraînant deux étapes ou trois modes sont encore contenus dans l'avant échelles similaires et une grande quantité de signal de bruit .
Amélioration de bruit adaptatif réglé 5 ENID
CEEMDAN pour le bruit résiduel présent et problème de mode « false », TORRES M E l'autre essayer d'estimer les composantes résiduelles explosèrent rk enveloppe moyenne « réelle » plus algorithme amélioré est proposé . Définition de M (·) est une opération de calcul de moyenne du signal d'enveloppe partielle, à savoir l'enveloppe de signal moyenné verticalement, ni (t) est la variance d'un bruit blanc de moyenne nulle. Est configuré pour être décomposé le signal X (t), un algorithme amélioré est décrit comme suit CEEMDAN :
(6) déterminer si la condition de terminaison est satisfaite, si oui, arrêter la décomposition.
Par rapport à EEMD et CEEMDAN, l'amélioration de l'introduction CEEMDAN de diminution moyenne locale enveloppe de bruit résiduel, lors de la décomposition, suivi par le calcul du FMI, pour assurer l'intégrité de la décomposition, l'erreur de reconstruction du signal est plus faible. Mais l'informatique excessive, les performances en temps réel d'améliorer encore .
6 décomposition modale empirique multidimensionnelle et son bruit modal auxiliaire suppression de l'aliasing
Après la présence de DME a été utilisé directement dans la décomposition du FMI chaque canal des canaux multiples du signal des problèmes d'alignement difficiles échelle de nombre et de la fréquence, de telle sorte que chaque signal de canal reconstruit difficile de maintenir une relation de phase entre le signal d'origine . Rehman et al., 2010 a proposé une décomposition modale empirique (Multidimensional multivariée EMD, MEMD) capable de traiter simultanément signal multi-canal. Sur cette base, un signal de bruit blanc que l'on ajoute une ou plusieurs dimensions pour le procédé MEMD, le bruit de la filiale proposée décomposition modale empirique (Multidimensional bruit assistée MEMD, NA-MEMD) . Étant donné que les caractéristiques statistiques du bruit blanc ayant un spectre uniformément réparties, l'algorithme peut inhiber efficacement la décomposition empirique de mode se produisant mélange de mode.
Plus de 6,1 yuans Enid
MEMD a proposé de résoudre le problème du signal de mode d'étalonnage multi-canal. Mais aussi donner une fausse MEMD a explosé composants, il y a encore le problème du mode aliasing , dans lequel l'influence sur l'extraction ultérieure.
6.2 bruit auxiliaire polyhydrique Enid
NA-MEMD EMD à plusieurs variables de procédé sous forme de bruit expansé, l'algorithme fait que la pleine utilisation du MEMD ayant un traitement de caractéristique de fréquence de bruit blanc d'une bande passante fixe, et on a ajouté du bruit blanc indépendant supplémentaire pour garantir signal de composante de décomposition FMI et le bruit complètement la séparation. Par rapport à la méthode sans EEMD de décomposition du FMI moyenne basée sur un ensemble d'efficacité de calcul, la réduction du bruit, plus supérieure .
7. Conclusions
EMD traiter un traitement de signal en douceur dans le présent mélange de mode, affecter les performances et l'application de la méthode. Ce document met l'accent sur la suppression en mode aliasing, a résumé les principaux travaux de recherche et une dimension multidimensionnelle EMD. Bien que le mode EEMD peut aliasing effectivement supprimer, mais en ajoutant dans le processus de décomposition des besoins de bruit blanc finales auxiliaires d'augmenter pour compenser le nombre moyen de fois défini, le calcul du temps d'erreur de reconstruction est grande. Mode CEEMD tout en supprimant la paire d'annulation de bruit de repliement du spectre de positif et négatif, une partie réduit l'effet du bruit résiduel, ce qui réduit la charge du bruit blanc d'inhibition moyenne de la collection ajoutée, d'améliorer l'efficacité de calcul. CEEMDAN et un procédé amélioré de l'addition, à chaque composante de bruit blanc de décomposition FMI, le bruit est ajouté progressivement à réduire la composante résiduelle modale intrinsèque moins de bruit, réduit efficacement l'erreur de reconstruction, et à chaque étape sont décomposés arrêter une norme mondiale, l'efficacité de décomposition le plus élevé. signaux multidimensionnels de décomposition MEMD simultanément, assurant la phase entre les canaux et le nombre de FMI qui correspond à l'échelle relative, le signal de canal respectif reconstruit sans distorsion. Cependant, en raison de son utilisation est compatible avec le mélange de mode EMD ALGORITHME, IMCM existera. NA-MEMD en introduisant canal de bruit auxiliaire, ce qui élimine le mélange de mode MEMD présent, mais aussi de garantir que la décomposition du signal, la performance de décomposition optimale, mais en raison de l'espace multidimensionnel et des points d'extrêmes locales estimation moyenne enveloppe algorithme trop complexe, calculs. Surtout pour l'échantillonnage des Sphères unitaires augmente de manière significative l'échantillonnage, ce qui conduit à une augmentation rapide de la quantité de calcul, l'efficacité de la décomposition pire. est donc un compromis entre la précision et la complexité.
Mode de mélange pour inhiber, de l'avenir peut également être ajouté sous la forme d'un signal auxiliaire, se produit aliasing retraitement modal FMI et filtrer le signal avant la décomposition Exploration trois aspects. En outre, une étude en profondeur le mode de traitement théoriquement EMD mélange se produit également aider à explorer le mécanisme d'inhibition de nouvelles façons d'améliorer la précision et l'efficacité de l'algorithme EMD, et pour améliorer le niveau d'adaptation de l'application gamme.
références
STEIN E M, G WEISS L.Introduction à l'analyse de Fourier sur les espaces euclidiens Université .Princeton Press, 1971,212 (2): 484-503.
BIRKHOFF G.Procédé limitation de l'analyse fourier .Journal de mathématiques et Mécanique, 1967,17 (5): 443-447.
GRIFFIN D, J estimation LIM S.Signal de courte durée modifié par transformée de Fourier .IEEE Transactions sur Acoustique, voix et traitement du signal, 1984,32 (2): 236-243.
LOUGHLIN P J, J PITTON W, L ATLAS E.Bilinear représentations temps-fréquence: de nouvelles perspectives et des propriétés .IEEE Opérations sur le traitement du signal, 1993,41 (2): 750-767.
QIAN S E, D CHEN P.Discrete Gabor transformer .IEEE Opérations sur le traitement du signal, 1993,41 (7): 2429-2438.
théorie MALLAT S G.Procédé pour la décomposition du signal multirésolution: la représentation en ondelettes .IEEE Transactions sur le modèle d'analyse et de l'intelligence artificielle, 1989,11 (7): 674-693.
Fourier fractionnaire ALMEIDA L et B. La transformation des représentations temps-fréquence .IEEE Opérations sur le traitement du signal, 1994,42 (11): 3084-3091.
Roepstorff G.Fourier décomposition .Path approche intégrée de Quantum Physics.Springer Berlin Heidelberg, 1994.
HUANG N E, Z SHEN, LONG S R, et al.The décomposition empirique de mode et le spectre de Hilbert pour l'analyse des séries chronologiques non linéaire et non stationnaire .Mathematical, Sciences physiques et ingénierie, 1998,454 (1971): 903-995.
HUANG N E, Z WU H, LONG S R, et al.On fréquence instantanée .Advances dans l'analyse des données Adaptive, 20091 (2): 177-229.
HEISENBERG W.Uber den Inhalt der anschaulichen quantentheoretischen Cinématique und Mechanik .Zeitschrift Für Physik, 1927,43 (3-4): 172-198.
J S CHENG, YU D J, YANG Y.Research sur le critère de fonction de mode intrinsèque (FMI) dans la méthode EMD .Mechanical systèmes et traitement du signal, 2006,20 (4): 817-824.
HUANG N E, WU M L C, LONG S R, et al.A limite de confiance pour la décomposition du mode empirique et l'analyse spectrale de Hilbert .Mathematical, Sciences physiques et ingénierie, 2003,459 (2037): 2317-2345.
WANG G, CHEN X Y, QIAO F L, et al.On fonction de mode intrinsèque .Advances dans l'analyse des données Adaptive, 20102 (3): 277-293.
HU X Y, PENG S L, W HWANG L.EMD revisité: une nouvelle compréhension de l'enveloppe et de résoudre le problème du mode de mélange de signaux AM-FM .IEEE Opérations sur le traitement du signal, 2012,60 (3): 1075-1086.
SU Y X, Z G LIU, LI K L, et al.A nouvelle méthode pour effet de fin de EMD et son application à l'analyse harmonique .Advanced Technologie du génie électrique et de l'énergie, 2008,27 (2): 33.
WU Z H, la décomposition du mode empirique HUANG N E.Ensemble: une méthode d'analyse de données assistée bruit Vances .ad dans l'analyse des données Adaptive, 20091 (1): 1793-5369.
FLANDRIN P, RILLING G, la décomposition du mode GONCALVES P.Empirical comme un banc de filtres .IEEE Lettres de traitement du signal, 2004,11 (2): 112-114.
WU Z H, N étude HUANG E.Un des caractéristiques de bruit blanc en utilisant la méthode de décomposition en mode empirique .Mathematical, Sciences physiques et ingénierie, 2004,460 (2046): 1597-1611.
HUANG N E, SHEN S S P.Hilbert-Huang transformée et ses applications .World scientifique, 2005.
Helske J, la décomposition du mode empirique Luukko P.Ensemble (EEMD) et son completevariant (CEEMDAN) .International Journal of Public Health, 2015,60 (5): 1-9.
YEH J R, S J Shieh, HUANG N E.Complementary ensemble décomposition modale empirique: une nouvelle méthode d'analyse de données améliorée du bruit .Advances dans l'analyse des données Adaptive, 20102 (2): 135-156.
Colominas M A, Schlotthauer G, M TORRES E.Improved ensemble complet EMD: un outil approprié pour le traitement du signal biomédical .Biomedical Traitement du signal et de contrôle, 2014,14 (1): 19-29.
TORRES M E, M Colominas A, Schlotthauer G, et al.A décomposition modale empirique ensemble complet avec bruit adaptatif 0,2011 IEEE Conférence internationale sur l'acoustique, Speech and Signal Processing (de ICASSP), 2011: 4144-4147.
Colominas M A, Schlotthauer G, M TORRES E, et al.Noise assisté par des procédés emd en action .Advances dans l'analyse des données Adaptive, 2012,4 (4): 1793-5369.
Colominas M A, Schlotthauer G, FLANDRIN P, et al.Descomposición Empirica en modos por conjuntos completa con ruido adaptativo y aplicaciones biomédicas .XVIII Congreso Argentino de Bioingeniería SABI 2011-VII Journées de Ingeniería Clínica.2011.
HUMEAU-HEURTIER A, P ABRAHAM, MAHE G.Analysis de la variabilité des images de contraste de speckle laser en utilisant une nouvelle décomposition modale empirique: comparaison des résultats avec des signaux de fluxmétrie laser Doppler variabilité .IEEE Transactions sur l'imagerie médicale, 2015,34 (2): 618-627.
REHMAN N U, D MANDIC P.Multivariate décomposition empirique de mode .Mathematical, Sciences physiques et ingénierie, 2010,466 (2117): 1291-1302.
REHMAN N U, MANDIC propriété de la banque de D P.Filter de décomposition en mode empirique à plusieurs variables .IEEE Transactions sur le traitement du signal, 2011,59 (5): 2421-2426.
REHMAN N U, C PARK, HUANG N E, et al.EMD via MEMD: multivariée calcul assisté par un bruit de type EMD .Advances dans l'analyse des données Adaptive, 2013,5 (2): 1793-5369.
MANDIC D P, REHMAN N U, Z WU H, et le mode al.Empirical decomposition- basé analyse temps-fréquence de signaux à plusieurs variables: la puissance de l'analyse des données d'adaptation .IEEE Signal Processing Magazine, 2013,30 (6): 74-86.
CUI J J, Freeden W.Equidistribution sur la sphère .Society pour mathématiques appliquées et industrielles, 1997,18 (2): 595-609.
PARK C, D LOONEY, REHMAN N U, et al.Classification de BCI imagerie motrice en utilisant la décomposition en mode empirique à plusieurs variables .IEEE Transactions sur Neural Systèmes et techniques de réadaptation, 2013,21 (1): 10-22.
LOONEY D, D MANDIC fusion d'image en utilisant des extensions P.Multiscale complexes de EMD .IEEE Transactions sur le traitement du signal, 2009,57 (4): 1626-1630.
Informations sur l'auteur:
Dai Ting 1, Zhang Yu Feng 1, chapitre 2 gramme lettre, il Ice, ZHU Xuan Hong 1, ZHANG Jun-hua 1
(Département de génie électronique, Université du Yunnan, École de l'information, du Yunnan Kunming 650091, Chine; 2. Deuxième hôpital affilié de Kunming Medical University, Kunming 650031, Chine)
