EMD的Toolbox及使用方法经验模态分解

资 源 简 介

EMD的Toolbox及使用方法经验模态分解（Empirical Mode Decomposition， 简称EMD）是由美国NASA的黄锷博士提出的一种信号分析方法.它依据数据自身的时间尺度特征来进行信号分解， 无须预先设定任何基函数。这一点与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的差别。正是由于这样的特点， EMD 方法在理论上可以应用于任何类型的信号的分解， 因而在处理非平稳及非线性数据上， 具有非常明显的优势。所以， EMD方法一经提出就在不同的工程领域得到了迅

详 情 说 明

在文中提到的EMD的工具箱和使用方法经验模态分解（Empirical Mode Decomposition，简称EMD）是由美国NASA的黄锷博士提出的一种信号分析方法。它基于数据自身的时间尺度特征进行信号分解，无需预先设定任何基函数。与基于先验谐波基函数和小波基函数的傅里叶分解和小波分解方法相比，EMD方法具有本质上的差异。正是因为这个特点，EMD方法在理论上可以应用于任何类型的信号分解，因此在处理非平稳和非线性数据时具有明显的优势。因此，EMD方法一经提出就在不同的工程领域获得了迅速有效的应用，例如海洋、大气、天体观测数据和地震记录分析、机械故障诊断、密频动力系统的阻尼识别以及大型土木工程结构的模态参数识别。本工具书主要分为以下几个部分：导论、非稳态信号介绍、一维时频信号分解、二维时频信号分解、时频影像信息提取等。此外，还可以进一步扩展EMD方法的应用领域以及与其他信号分析方法的对比和结合等内容。