国产一级a片免费看高清,亚洲熟女中文字幕在线视频,黄三级高清在线播放,免费黄色视频在线看

打開APP
userphoto
未登錄

開通VIP,暢享免費電子書等14項超值服

開通VIP
變分模態(tài)分解(VMD)

在之前的文章中我們介紹了EMD、EEMD以及CEEMDAN,變分模態(tài)分解VMD模型雖然也叫模態(tài)分解,但與上述EMD類模型有著本質(zhì)區(qū)別。

Part . 1

VMD概念及原理

變分模態(tài)分解由Konstantin Dragomiretskiy于2014年提出的一種新的時頻分析的方法,能夠?qū)⒍喾至啃盘栆淮涡苑纸獬啥鄠€單分量調(diào)幅調(diào)頻信號[1]。

具體原理是假設任何的信號都是由一系列具有特定中心頻率、有限帶寬的子信號組成(即IMF)。由于每個模態(tài)都是具有不同中心頻率的有限帶寬,因此 VMD 算法的實質(zhì)是采用交替方向乘子法對各模態(tài)不斷更新其中心頻率和帶寬,自適應地分解信號頻帶,最終得到各個模態(tài)以及相應的中心頻率[2]。

VMD 的分解過程就是變分問題的求解過程,其算法主要包括變分問題的構(gòu)造和變分問題的求解。

  • 本征模態(tài)分量

VMD算法重新定義了約束條件更為嚴格的有限帶寬的本征模態(tài)函數(shù),該內(nèi)涵模態(tài)分量被定義為調(diào)幅調(diào)頻的分量模態(tài)函數(shù),數(shù)學表達式為:

其中

為信號
的包絡幅值,
為瞬時相位。

  • 變分問題構(gòu)造

變分問題的約束有兩點:①要求每個模態(tài)分量中心頻率的帶寬之和最??;②所有的模態(tài)分量之和等于原始信號。

上式為變分模態(tài)分解受約束的變分模型。為了使VMD分解得到各個模態(tài)之間的帶寬最小并且之和等于原始信號

,因此對每個模態(tài)函數(shù)
,通過希爾伯特(Hilbert)變換求單邊頻譜,然后與預估中心頻率
相乘,將各個模態(tài)的單邊頻譜移動到估算的中心頻率上,最后,通過梯度的平方
范數(shù),計算每個模態(tài)信號的帶寬。式中,
為模態(tài)函數(shù)集,
為中心頻率集,
為函數(shù)對時間t求的偏導,
為脈沖函數(shù)。

  • 變分問題求解

引入 Lagrange 算子

和二次懲罰因子α,將不等式約束變換為等式約束,相應的增廣Lagrange表達式如下式所示。

其中,α降低了高斯噪聲的影響,

保證了約束問題的嚴格性。

Part . 2

VMD實現(xiàn)步驟

VMD分解的具體步驟流程如下:

(1)初始化

;

(2)設置迭代次數(shù)b=b+1;

(3)滿足

時,更新每個模態(tài)的頻譜


更新中心頻率


(4)更新拉格朗日乘子λ:

其中,ε為噪聲容限參數(shù),對于含有強噪聲的信號,可設ε=0;

(5)重復步驟(2)-(4),直到滿足終止條件:

其中,σ為判別精度且σ>0。

圖1為VMD算法流程示意圖。

圖1 VMD算法流程圖

Part . 3

VMD顯著特點

  • VMD優(yōu)點

(1)可以指定想要得到的模態(tài)數(shù);

(2)通過VMD方法分解出來的IMF都具有獨立的中心頻率,并且在頻域上表現(xiàn)出稀疏性的特征,具備稀疏研究的特質(zhì);

(3)在對IMF求解過程中,通過鏡像延拓的方式避免了類似EMD分解中出現(xiàn)的端點效應;

(4)有效避免模態(tài)混疊(K值選取合適的情況下)。

  • 重要參數(shù)
  1. 模態(tài)數(shù)K:若設定的K小于待分解信號中有用成分的個數(shù)(欠分解),會造成分解不充分,導致模態(tài)混疊;若設定的K值大于待分解信號中有用成分的個數(shù)(過分解),就導致產(chǎn)生一些沒有用的虛假分量。因此,K值的確定對于VMD就非常重要。常用的確定K的方法有:觀察法(通過對中心頻率的比對從而確定K值)、峭度最大原理[3]、能量差值原則[4]等或者結(jié)合一些尋優(yōu)算法對K值(也可以同時對α)尋優(yōu)。

  2. 懲罰系數(shù)α:VMD分解的過程中,預設的K值決定著IMF分量的個數(shù),懲罰系數(shù)α決定著IMF分量的帶寬。懲罰系數(shù)越小,各IMF分量的帶寬越大,過大的帶寬會使得某些分量包含其他分量信號;α值越大,各IMF分量的帶寬越小,過小的帶寬是使得被分解的信號中某些信號丟失。該系數(shù)常見取值范圍為1000~3000。

  3. 收斂容差tol:是優(yōu)化的停止準則之一,即在連續(xù)兩次迭代中,當向IMF收斂的絕對平均平方改進小于tol時,優(yōu)化停止。通??梢匀?e-6~5e-6。

Part . 4

總結(jié)

VMD是一種非遞歸的、準正交的、自適應的信號分解算法,可以將非平穩(wěn)、非線性的復雜信號進行分解,可以較好地抑制模態(tài)混疊現(xiàn)象。在金融數(shù)據(jù)分析、地震數(shù)據(jù)分析、醫(yī)學病癥檢測、機械故障診斷等領域都得到了廣泛應用。

· 參考文獻·

[1]K. Dragomiretskiy and D. Zosso, 'Variational Mode Decomposition,' in IEEE Transactions on Signal Processing, vol. 62, no. 3, pp. 531-544, Feb.1, 2014.

[2]宋亞坤. 基于VMD-EEMD-KFCM模型在道岔故障診斷中的研究[D].蘭州交通大學,2022. 

[3]吳文軒, 王志堅, 張紀平, 等. 基于峭度的 VMD 分解中 k 值的確定方法研究[J]. 機械傳動, 2018, 42(8): 153-157.

[4]宋玉琴, 鄧思成, 路彥剛. K 值優(yōu)化的 VMD 在軸承故障診斷中的應用[J]. 測控技術, 2019, 38(4): 117-121.

[5]李政. 基于VMD排列熵和模糊聚類的S700K轉(zhuǎn)轍機狀態(tài)評估[D].蘭州交通大學,2022.

[6]Mr.看海.類EMD的“信號分解方法”及MATLAB實現(xiàn)(第四篇)——VMD.[EB/OL].[2022-03-03].https://zhuanlan.zhihu.com/p/396775790.

本站僅提供存儲服務,所有內(nèi)容均由用戶發(fā)布,如發(fā)現(xiàn)有害或侵權內(nèi)容,請點擊舉報。
打開APP,閱讀全文并永久保存 查看更多類似文章
猜你喜歡
類似文章
matlab中使用VMD(變分模態(tài)分解)
EEMD詳解
淺談傅里葉變換、小波變換、HHT變換
Mech. Syst. Signal Pr. :基于深度學習的振動信號自適應模態(tài)分解與瞬時頻率估計
EMD方法基本基本知識
西安交通大學科研人員提出交流變頻電機轉(zhuǎn)子斷條故障識別的新方法
更多類似文章 >>
生活服務
分享 收藏 導長圖 關注 下載文章
綁定賬號成功
后續(xù)可登錄賬號暢享VIP特權!
如果VIP功能使用有故障,
可點擊這里聯(lián)系客服!

聯(lián)系客服