振动与冲击

作者：何刘，丁建明，林建辉，刘新厂

单位：1.西南交通大学牵引动力国家重点实验室，成都 610031

关键词：EMD；EEMD；噪声辅助；模态混叠；CCWEEMDAN；

经验模态分解(EMD)是一种自适应非线性非平稳数据处理方法。噪声辅助的EMD方法能克服EMD方法在处理间歇信号时出现的&ldquo;模态混叠&rdquo;现象。在这些噪声辅助方法中，互补集总经验模态分解(CEEMD)和完全噪声辅助噪声集总经验模态分解(CEEMDAN)恢复了EMD分解的完整性。本文工作，在现有分析方法上提出了完全互补小波噪声辅助集总经验模态分解(CCWEEMDAN)算法。该算法能用更小的集总数、更少的迭代次数和极小的计算消耗获得更好的光谱分离效果和数目较少的筛选模态。<br>

来源：2017年第4期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2017年第4期