基于ICA的改進EMD過程中IMF判定方法技術

本發明專利技術涉及一種新的基于ICA的改進EMD過程中IMF（固有模態函數）判定方法。針對頻帶濾波改進EMD過程中產生過多IMF分量的問題，該方法將ICA引入到改進EMD過程中來自動分離真正的IMF分量。該方法首先利用改進EMD對結構響應信號進行分解，得到各頻帶的IMFs；然后分別將其作為輸入矩陣，應用ICA中的FastICA算法對其進行分離，自動分離出真正的IMF。該方法能夠很好地處理多自由度、非線性、非穩態的響應信號，并可以與其他方法（如希爾伯特變換）相結合進行模態參數識別，可用于土木工程、航空航天、自動控制、機械工程等領域的信號處理和模態參數識別，具有提高數據信噪比和抗干擾能力等特點。

【技術實現步驟摘要】

本專利技術涉及結構振動響應的時頻域分析
，特別是一種新的基于ICA的改進EMD過程中IMF (固有模態函數)判定方法。
技術介紹
EMD方法自1998年正式提出以來，在各領域得到了廣泛應用，但EMD方法存在模態混疊現象，這大大限制了它在實際中的應用。模態混疊現象的出現一方面和EMD本身的 算法有關，另一方面也受原始信號頻率特征的影響。Huang曾經提出了中斷檢測的方法來解決模態混疊現象，即直接對結果進行觀察，如果出現模態混疊則重新分解，這種方法需要人為后驗判斷。2009年，Huang本人的研究小組通過對EMD分解白噪聲結果統計特性的大量研究，提出通過加噪聲輔助分析的總體平均經驗模態分解(Ensemble Empirical ModeDecomposition, EEMD)方法,該方法利用高斯白噪聲具有頻率均勻分布的統計特性，使加入高斯白噪聲后的信號在不同尺度上具有連續性，從而有效地解決模式混疊問題。其他學者則提出各種改進EMD的方法，其中最為突出的改進方法為首先利用FFT粗略估計頻率的大致范圍，然后讓信號通過指定頻帶的帶通濾波器，再進行經典EMD過程，以解決模態混疊，但該方法的缺陷是會產生過多的、虛假的MFs，有學者提出利用MFs和原信號的相關系數來判定真正的頂F，但此種方法需要預先人為指定MF判定的閥值，不能夠實現MF的自動識別。近些年，盲源分離在各個領域得到了廣泛的應用，其基本思想是將多個觀測信號按照統計獨立的原則通過優化算法分解為若干個獨立成分，從而實現信號的增強和分析。ICA (Independent Component Analysis)是盲信號處理的相對成熟的一種方法,主要針對混疊信號進行獨立源信號的分離。考慮到任意觀測信號經EMD分解為若干MF(IntrinsicMode Function)和殘余項后，理論上，每個MF都是任意時刻的單一振蕩模式，每個時刻都有單一瞬時頻率，且各MF分量之間是相互獨立的。因此，可以將改進EMD分解以及MF分量的確定與ICA中的FastICA算法結合起來，這樣EMD中真正IMF的判別就轉換成對固有模態混合信號的獨立分量的求解過程，且ICA所得的分量就是真正的MFs。FastICA算法是盲信號處理常用的一種算法，它能消除各個輸入量之間的互信息和信息冗余，分離出信息之間隱藏的內部相互獨立的成分，從而消除虛假模態自動識別出真正的MF分量。
技術實現思路
本專利技術的目的在于提供一種基于ICA的改進EMD過程中MF判定方法，該方法有利于解決頻帶濾波改進EMD過程中產生過多虛假模態以及真正MF的判定問題，從而實現真正MF的自動分離。本專利技術的目的是通過以下技術方案實現的一種基于ICA的改進EMD過程中MF判定方法，利用ICA中的FastICA算法消除頻帶濾波改進EMD過程中產生的過多的虛假模態，自動分離出真正的MF分量，該方法包括以下步驟 步驟I :首先對響應信號進行改進EMD過程，即利用FFT粗略估計信號的頻率范圍，并使信號通過不同頻段的帶通濾波，將寬頻信號分解為若干窄帶信號；然后利用EMD分別對各窄帶信號zU)進行分解，得到不同頻段的IMFs輸入矩陣c (0 ； 步驟2 :利用ICA中的FastICA算法分別對每個頻段的IMFs輸入矩陣cU)進行分離，得到輸出矩陣S,即真正的MF分量。本專利技術的有益效果是利用ICA解決了頻帶濾波改進EMD過程中產生過多虛假模態以及真正頂F的判定問題，從而實現真正MF的自動分離。該方法能夠很好地處理多自由度、非自由振動、非線性以及非穩態的響應信號，并可以與其他方法(如希爾伯特變換)相結合進行結構的模態參數識別，具有提高數據的信噪比和抗干擾能力，增強模態參數識別準確性的特點。 附圖說明圖I是本專利技術的工作流程圖。圖2是本專利技術實施例一實測的加速度響應時程曲線圖。圖3是本專利技術實施例一實測的加速度響應經經典EMD分解得到的12個MFs和I個余項圖。圖4是本專利技術實施例一中心頻率為122. 9Hz的子帶信號經EMD分解得到的部分IMFs 圖。圖5是本專利技術實施例一得到的真正的MFs圖。具體實施例方式本專利技術基于ICA的改進EMD過程中MF判定方法，針對頻帶濾波改進經典EMD模態分解能力不足時產生過多虛假模態以及真正頂F的判定問題，利用ICA中的FastICA算法消除頻帶濾波改進EMD過程中產生的過多的虛假模態，自動分離出真正的MF分量。如圖I所示，該方法包括以下步驟 步驟I :首先對測得的結構響應信號進行改進EMD過程，即利用FFT粗略估計信號的頻率范圍，并使信號通過不同頻段的帶通濾波，將寬頻信號分解為若干窄帶信號；然后利用EMD分別對各窄帶信號z⑴進行分解，得到不同頻段的IMFs輸入矩陣c⑴； 步驟2 :利用ICA中的FastICA算法分別對每個頻段的IMFs輸入矩陣cU)進行分離，得到輸出矩陣S,即真正的MF分量。下面結合具體實施例對本專利技術作進一步的說明。具體的，某一 7層、2跨X I跨的鋼框架縮尺模型，在力錘激勵下實測得到的一加速度時程曲線，如圖2所示。在采用本方法進行信號分析前，先利用經典的EMD過程對該加速度信號進行分解，可以得到如圖3所示的12個IMFs及一個余項，從圖3中可以明顯地看出模態的混疊。然后應用本專利技術所提供的方法進行信號分析，其具體實施如下 首先，為了解決上述模態混疊的問題，對該響應信號應用改進的EMD進行分析，即應用FFT估計信號的頻率范圍，由FFT頻譜圖可以獲得7個峰值頻率，分別以這7個頻率作為各頻率帶的中心頻率，讓信號通過指定頻帶的帶通濾波。然后，對各窄帶信號進行EMD分解。以頻帶中心頻率為122. 9Hz的子帶信號為例，該子帶信號經過EMD分解后得到10個MFs和一個余項(部分如圖4所示)，這說明存在著太多的虛假模態，所以應用本專利技術所提出的方法，對真正的頂F分量進行提取，即將前7個能量分布較大的MFs作為FastICA的輸入矩陣，利用FastICA算法來消除各個輸入量之間的互信息和信息冗余，分離出信息之間隱藏的內部相互獨立的成分，去除虛假模態從而自動識別出真正的MF分量，經分析后可得到如圖5所示的MFl分量，以此類推，同理可得到如圖5所示的其他各子頻帶的MF分量。以上是本專利技術的較佳實施例，凡依本專利技術技術方案所作的改變，所產生的功能作用未超出本專利技術技術方 案的范圍時，均屬于本專利技術的保護范圍。權利要求1.一種基于ICA的改進EMD過程中MF判定方法，其特征在于利用ICA中的FastICA算法消除頻帶濾波改進EMD過程中產生的過多的虛假模態，自動分離出真正的MF分量，該方法包括以下步驟 步驟I :首先對響應信號進行改進EMD過程，即利用FFT估計信號的頻率范圍，并使信號通過不同頻段的帶通濾波，將寬頻信號分解為若干窄帶信號；然后利用EMD分別對各窄帶信號バ )進行分解，得到不同頻段的IMFs輸入矩陣c ( )； 步驟2 :利用ICA中的FastICA算法分別對每個頻段的IMFs輸入矩陣c(i)進行分離，得到輸出矩陣S,即真正的MF分量。全文摘要本專利技術涉及一種新的基于ICA的改進EMD過程中IMF(固有模態函數)判定方法。針對頻帶濾波改進EMD過程中產生過多IMF分量的問題，該方法將ICA引入到改進EMD過程中本文檔來自技高網...

【技術保護點】
一種基于ICA的改進EMD過程中IMF判定方法，其特征在于：利用ICA中的FastICA算法消除頻帶濾波改進EMD過程中產生的過多的虛假模態，自動分離出真正的IMF分量，該方法包括以下步驟：步驟1：首先對響應信號進行改進EMD過程，即利用FFT估計信號的頻率范圍，并使信號通過不同頻段的帶通濾波，將寬頻信號分解為若干窄帶信號；然后利用EMD分別對各窄帶信號x(t)進行分解，得到不同頻段的IMFs輸入矩陣c(t)；步驟2：利用ICA中的FastICA算法分別對每個頻段的IMFs輸入矩陣c(t)進行分離，得到輸出矩陣S，即真正的IMF分量。

【技術特征摘要】

【專利技術屬性】
技術研發人員：姜紹飛，付春，吳兆旗，
申請(專利權)人：福州大學，
類型：發明
國別省市：