各种信号分解、模态分解方法合集【MATLAB实现】

信号分解、模态分解方法合集【MATLAB实现】,适合新手学习和改进使用!

分解方法的简要介绍:

  1. EMD(经验模态分解) :自适应分解非平稳信号为本征模态函数(IMF),基于信号局部极值点包络。无需预设基函数,但易受模态混叠影响。

  2. TVF-EMD(时变滤波的经验模态分解) :改进EMD,引入时变滤波技术。通过瞬时频率约束筛选IMF,有效抑制模态混叠和端点效应。

  3. EEMD(集成经验模态分解) :通过添加白噪声的多次EMD集成平均。噪声辅助降低模态混叠,但计算量大且残留噪声。

  4. VMD(变分模态分解)变分框架下将信号分解为预设数目的子模态(BLIMFs)。优化中心频率和带宽,避免递归分解,抗噪性强。

  5. CEEMDAN(完全自适应噪声集合经验模态分解) :EEMD的改进版,自适应添加噪声至残差序列。噪声残留低且IMF完备性更好,计算效率高于EEMD。

  6. LMD(局部均值分解) :通过局部均值与包络函数迭代分离乘积函数(PF)。直接提取瞬时频率,适合机械故障诊断。

  7. RLMD(鲁棒局部均值分解) :增强LMD的鲁棒性,引入鲁棒局部均值/包络估计。抑制异常点干扰,提升分解稳定性。

  8. ITD(固有时间尺度分解) :基于信号极值点线性变换提取旋转分量(PRC)。计算速度快,但高频分辨率有限。

  9. SVMD(逐次变分模态分解) :VMD的序列化实现,逐次提取子模态。避免预设模态数,动态优化带宽参数。

  10. ICEEMDAN(改进的完全自适应噪声集合经验模态分解) :CEEMDAN的改进版,优化噪声添加方式与IMF定义。进一步降低噪声残留,提升模态纯净度。

  11. FMD(特征模式分解) :基于信号局部特征(如瞬时相位)的自适应分解。强调物理意义明确的模态分量提取。

  12. REMD(鲁棒经验模态分解) :增强EMD抗噪性,通过鲁棒包络拟合(如样条插值优化)。减少异常值对分解的影响。

  13. SGMD(辛几何模态分解) :利用辛几何变换保持信号结构。结合谱聚类分组,提取能量聚集的模态。

  14. RLMD(鲁棒局部均值分解) :同前述RLMD,常指抗扰动的LMD改进算法

  15. ESMD(极点对称模态分解) :基于极点对称包络插值替代传统三次样条。减少端点效应,适应性强。

  16. CEEMD(互补集合经验模态分解) :EEMD的互补形式,添加正负成对噪声。抵消噪声残留,但计算量翻倍。

  17. SSA(奇异谱分析) :将信号嵌入矩阵并进行奇异值分解(SVD)。重构主导成分,适合周期/趋势分离。

  18. SWD(群分解) :受群体智能启发,迭代搜索局部振荡。自适应分割信号,无需预设参数。

  19. RPSEMD(再生相移正弦辅助经验模态分解)再生相移正弦波辅助的EMD。通过相位调制抑制模态混叠,提升频带分离度。

  20. EWT(经验小波变换)自适应设计小波滤波器组分割傅里叶谱。结合小波理论与EMD思想,边界处理灵活。

  21. DWT(离散小波变换) :多分辨率分析,用正交/双正交小波基分层分解信号。计算高效但基函数固定。

  22. TDD(时域分解) :直接从时域能量特征构造正交基函数。适用于结构振动模态参数识别。

  23. MODWT(最大重叠离散小波变换) :DWT的平移不变改进,最大重叠采样。消除频带错位,更利于时频分析。

  24. MEMD(多元经验模态分解)多维空间投影扩展EMD。同步分解多通道信号,保持通道间对齐。

  25. MVMD(多元变分模态分解) :VMD的多变量版本,联合优化多通道子模态。提取跨通道相关的共同振荡模式。

  26. WPD(小波包分解) :DWT的推广,全树结构分解高频/低频子带。频带划分更精细,灵活性高。

实现结果实例:

信号分解程序文件详情见原文链接:

https://mp.weixin.qq.com/s/61CjSjhUVXGYavdAG7z5kQ