Norden.e.Huang于1998年提出經驗模態分解[57]，并作為希爾伯特-黃變換(HHT)的重要組成部分，該方法能有效處理非線性、非平穩信號，同時也適合平穩及線性信號。核心思想是將復雜信號分解為有限個本征模函數即IMF，且分解出來的IMF分量能最大限度保留原信號的不同時間尺度的局部特征信號，與傅里葉分解及小波分解方法建立在先驗性的諧波基函數和小波基函數相比具有本質上的差別。在處理非平穩及非線性數據上具有其余分解方法所不具有的自適應和信噪比優勢。

圖3.9 EMD信號分解流程





Jonathan S.Smith于2005年提出局部均值分解[58,59]，該方法可以將一個相對復雜的非平穩且具有多分量信號自適應的分解為若干個具有物理意義的瞬時頻率的乘積函數即PF，并得到一個純調頻信號和包絡信號，然后循環迭代至所有的PF分量分離出來，至此LMD分解原始信號完成并得到其時頻分布。

• 關于 Mermaid 語法，參考 這兒,

總結

以上是生活随笔為你收集整理的EMD与LMD分解算法结合并SVM的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。