改进的EEMD算法及其应用研究

总体平均经验模态分解(Ensemble EMD,EEMD)虽然能够在一定程度上抑制模态混淆,但计算量较大,添加的白噪声不能被完全中和,不具有完备性。补充的EEMD(Complementary EEMD,CEEMD)成对地添加符号相反的白噪声到目标信号,大大减小了重构误差。结合CEEMD和基于排列熵的信号随机性检测,提出了改进的EEMD方法(Modified EEMD,MEEMD),MEEMD方法在检测出CEEMD分解的异常分量之后,直接进行EMD分解;MEEMD不仅能够抑制EMD分解过程中的模态混淆,而且减小了计算量,缩小了重构误差。通过分析仿真信号和实测信号,结果表明,MEEMD方法有很好的分解效果,对模态混淆有一定的抑制作用。