大家好，小良来为大家解答以上问题。恶魔的爱，emd很多人还不知道，现在让我们一起来看看吧！
问题：1。组件c1、c2、c3.cn分别包含从高到低的不同频率分段。每个频率分量是不同的，并且随着信号x(t)而变化，而rn表示信号x(t)的中心趋势。对于这句话c1 c2是否有点混乱.cn严格按照从高到低的频率，rn说表示中枢趋势。我想有人说，误差应该基于情况。2.暂时还没有仔细研究过黄的节目。我不知道他做了什么来改进emd的缺点。更具体地说，这个程序是如何改进emd?的，它更适合分析什么样的信号？看imf的定义可以看到，对于调幅调频信号的对称信号处理应该是比较好的，但是实际信号的时域波形，比如地震信号，应该是失真的，而不是标准的正弦波或者正弦波，我们在举例的时候倾向于给出一个标准的正弦波或者调幅调频。如果我们举噪音的例子会发生什么？3.对于目前的emd计划，它正在得到改善，并因此发表了许多文章。在故障诊断方面，湖南大学的俞老师做的比较好，发表了3-4篇机械系统和信号处理方面的文章。算法改进了，主要故障是齿轮和轴承。大家都知道这些信号调幅调频的概率比较高。处理效果应该还可以，但是对于其他故障，不知道大家有没有试过。如果转速变化大，采集的波形波动大，效果还好吗？现在我还是觉得稍微稳定状态的信号处理效果更好。期待你们的讨论？回答
1.c1 c2.cn确实是严格按照频率从高到低产生的，但是这里有一个误解，并不是说c1的频率一定比c2高。正确的理解是c1中某一部分的出现频率高于c2中同一部分的出现频率，这正好体现了EMD算法强局部性的本质。也正应了黄的说法，“相邻的分量可能包含同一时间尺度的振荡，但同一时间尺度的振荡绝不会出现在两个不同的分量中。至于分解过程中产生的误差(主要是包络模式的选择、边界效应的处理和滤波停止条件的设计)，会在下一层分解中积累，不一定是最后的余量(趋势项)。2.a)实际上，我们没有得到黄的源程序(这不是免费的，因为黄已经在NASA申请了专利)。一般大部分人用的是Flandrin提供的源代码，也就是LS提到的G. Riley的方法(因为网站提供的源代码是Flandrin的，所以有两种不同的说法，但是emdM提到的文章是G. Riley作为第一作者写的，可能外国人不像我们这样通过。程序基本可靠，可以用来分析各种数据，但效果如何就看是否符合你的需求了。至于什么样的数据合适，没有定论。第一，EMD算法还没有建立合适的数学模型，这意味着它缺乏严格的数学基础。很多收敛性、唯一性、正交性等数学问题根本无法进行，甚至“EMD可以分析什么信号”目前都无法解释。其次，算法本身是可操作的，到目前为止也是经验性的(就像算法的名字一样)，要找到它的理论支撑才能研究。第三，一个算法不可能对任何信号都有效，所以不要指望EMD能处理任何信号。b)从IMF的定义来看，确实要求IMF是对称的，但这并不意味着信号本身具有这样的特性，也不要求信号是正弦和余弦的合成。我认为，EMD之所以能吸引这么多人的眼球，除了恰当的所谓“传销”之外，还有它在实践中的表现。如果只能处理有规律的信号，它的影响(有好的也可能有坏的)不可能这么成功。C) EMD产生IMF由高到低的特性，也就是说可以用它去噪，而不是在使用EMD之前用其他方法处理噪声。比如我在这期间做过的大脑功能激活区的检测，本质上就是去除信号的噪声，恢复原始刺激的过程。无论是对于服从规则分布(如高斯分布、均匀分布等)的加性随机信号，结果都非常好。)以及对于服从正态分布的乘性随机信号(我只测试了泊松分布)。当然，后者的结果不如前者，但足以超越传统的检测方法。个人认为EMD之所以在实践中如此有效，是因为它可以处理非平稳、非线性的时间序列。3.目前EMD方法的改进分为两个方面，一个是实验层面，一个是理论层面，后者比较少见。a)前者主要包括两部分。其实这些都是人们在使用EMD分解信号时所采用的一些主观规则。一是根据对零均值条件的主观理解，采用不同的方法作为IMF滤波的停止条件；其次，在使用三次样条计算信号的上下包络时，根据信号两端的趋势，使用特定的端点延拓方法。在使用EMD分解非平稳和非线性信号时，在上述两点中使用不同的规则会导致不同的EMD分解结果。2003年G. Rilling等人对黄的EMD算法进行了改进，属于第一种。个人认为这个条件比黄原来的条件更合理。而邓永军等国内学者在2001年提出的神经网络方法，黄达基在2003年提出的镜像闭合法和极值点延拓法，刘惠庭在2004年提出的多项式拟合算法都属于第二种。
至于这两年的研究成果，我还没整理，呵呵。b)后者主要是邱等人在2004年提出的用“滑动平均”法代替传统的“包络平均”法计算信号的低频。他们试图利用B样条函数已有的良好性质来进一步发展经验模态分解的数学基础。另外，2006年初，黄提出了EMD算法得到的IMF的后处理算法(本质上是对IMF进行标准化)，其目的是更准确地得到瞬时频率和幅值(个人认为这才是真正的包络和瞬时频率。来北京之前，我尝试在当地证明这个算法。
本文到此结束，希望对大家有所帮助。