Алгоритм подавления смешивания мод для эмпирической модовой декомпозиции на основе метода самофильтрации

Автор(и)

  • Лонгвен Ву Харбинский политехнический университет, Китай https://orcid.org/0000-0002-6914-6695
  • Юпен Жанг Харбинский политехнический университет, Китай
  • Якин Жао Харбинский политехнический университет, Китай https://orcid.org/0000-0002-0167-0597
  • Г. Рен Харбинский политехнический университет, Китай
  • Ш. Хе Харбинский политехнический университет, Китай

DOI:

https://doi.org/10.20535/S0021347019090036

Ключові слова:

эмпирическая модовая декомпозиция, частотно-временной анализ, смешивание мод, многокомпонентный сигнал, самофильтрация

Анотація

Преобразование Гильберта–Хуанга HHT (Hilbert–Huang Transform) является классическим методом частотно-временного анализа сигналов, который предложен в 1998 году. Отсутствие ограничений по типу сигнала позволяет применять данный метод в различных сферах, например, в медицине или при обнаружении целей. Эмпирическая модовая декомпозиция EMD (empirical mode decomposition) является частью предварительной обработки HHT. Тем не менее, некоторые аспекты EMD, такие как подстройка огибающей, эффект конечной точки, смешивание мод и другие, все еще далеки от совершенства. Наиболее важной проблемой является смешивание мод. В этой статье предложен алгоритм подавления смешивания мод на основе метода самофильтрации с использованием преобразования частоты. Предложенный алгоритм фокусируется на мгновенной оценке частоты и процедурах удаления ложных компонентов, которые помогают предлагаемому алгоритму обновить или очистить назначенные функции внутренних колебаний IMF (intrinsic mode function). Результаты моделирования свидетельствуют об эффективном подавлении смешивания мод. По сравнению с ансамблевой эмпирической модовой декомпозицией EEMD (Ensemble Empirical Mode Decomposition) и методом маски, эффективность подавления увеличена на 26%.

Посилання

Stankovic, L.; Stankovic, S.; Dakovic, M. “From the STFT to the Wigner distribution [Lecture Notes],” IEEE Signal Proces. Mag., Vol. 31, No. 3, p. 163-174, 2014. DOI: https://doi.org/10.1109/MSP.2014.2301791.

Awal, M. A.; Ouelha, S.; Dong, S. Y.; B. Boashash, “A robust high-resolution time-frequency representation based on the local optimization of the short-time fractional Fourier transform,” Digital Signal Processing, Vol. 70, p. 125-144, Nov 2017. DOI: https://doi.org/10.1016/j.dsp.2017.07.022.

Daubechies, I. “The wavelet transform, time-frequency localization and signal analysis,” IEEE Trans. Inf. Theory, Vol. 36, No. 5, p. 961-1005, 1990. DOI: https://doi.org/10.1109/18.57199.

Boashash, B. “Note on the use of the Wigner distribution for time-frequency signal analysis,” IEEE Trans. Acoustics, Speech, Signal Processing, Vol. 36, No. 9, p. 1518-1521, 1988. DOI: https://doi.org/10.1109/29.90380.

Claasen, T.; Mecklenbrauker, W. “Time-frequency signal analysis by means of the Wigner distribution,” Proc. of ICASSP’81. IEEE Int. Conf. on Acoustics, Speech, and Signal Processing, 30 Mar.-1 Apr. 1981, Atlanta, USA. IEEE, 1981, p. 69-72. DOI: https://doi.org/10.1109/ICASSP.1981.1171331.

Chan, D. “A non-aliased discrete-time Wigner distribution for time-frequency signal analysis,” Proc. of ICASSP’82. IEEE Int. Conf. on Acoustics, Speech, and Signal Processing, 3-5 May 1982, Paris, France. IEEE, 1982, p. 1333-1336. DOI: https://doi.org/10.1109/ICASSP.1982.1171451.

Hu, H. “Time-frequency DOA estimate algorithm based on SPWVD,” Proc. of 2005 IEEE Int. Symp. on Microwave, Antenna, Propagation and EMC Technologies for Wireless Communications, 8-12 Aug. 2005, Beijing, China. IEEE, 2005, Vol. 2, pp. 1253-1256. DOI: https://doi.org/10.1109/MAPE.2005.1618151.

Сорокин, А. Ю. “Повышение эффективности применения радиосигналов с расширенным спектром в системах передачи данных,” Известия вузов. Радиоэлектроника, Т. 55, № 1, С. 48-54, 2012. DOI: https://doi.org/10.20535/S0021347012010062.

Barkat, B.; Boashash, B. “A high-resolution quadratic time-frequency distribution for multicomponent signals analysis,” IEEE Trans. Signal Processing, Vol. 49, No. 10, p. 2232-2239, 2001. DOI: https://doi.org/10.1109/78.950779.

Гвоздак, А. П. “Обнаружение нестационарных компонент сигналов с использованием распределений на основе ядер с аффинными преобразованиями,” Известия вузов. Радиоэлектроника, Т. 48, № 8, С. 43-51, 2005. URI: http://radio.kpi.ua/article/view/S0021347005080066.

Martin, W.; Flandrin, P. “Wigner-Ville spectral analysis of nonstationary processes,” IEEE Trans. Acoustics, Speech, and Signal Processing, Vol. 33, No. 6, p. 1461-1470, 1985. DOI: https://doi.org/10.1109/TASSP.1985.1164760.

Chan, H.-L.; Huang, H.-H.; Lin, J.-L. “Time-frequency analysis of heart rate variability during transient segments,” Annals Biomedical Engineering, Vol. 29, No. 11, p. 983-996, Nov 2001. DOI: https://doi.org/10.1114/1.1415525.

Hang, H. “Time-frequency DOA estimation based on Radon-Wigner transform,” Proc. of 2006 8th Int. Conf. on Signal Processing, 16-20 Nov. 2006, Beijing, China. IEEE, 2006, p. 1. DOI: https://doi.org/10.1109/ICOSP.2006.344553.

Amirmazlaghani, M.; Amindavar, H. “Modeling and denoising Wigner-Ville distribution,” Proc. of 2009 IEEE 13th Digital Signal Processing Workshop and 5th IEEE Signal Processing Education Workshop, 4-7 Jan. 2009, Marco Island, USA. IEEE, 2009, pp. 530-534. DOI: https://doi.org/10.1109/DSP.2009.4785980.

Huang, N. E.; Shen, Z.; Long, S. R.; Wu, M. C.; Shih, H. H.; Zheng, Q.; Yen, N.-C.; Tung, C. C.; Liu, H. H. “The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis,” Proc. Royal Soc. A - Math. Phys. Engineering Sci., Vol. 454, No. 1971, p. 903-995, Mar 1998. DOI: https://doi.org/10.1098/rspa.1998.0193.

Чен, Б.; Кубрак, А. Н. “Модернизированный метод получения оценок параметров ЛЧМ-сигналов на основе коррекции время-частотного распределения и использования преобразования Хафа,” Известия вузов. Радиоэлектроника, Т. 52, № 6, С. 27-36, 2009. URI: http://radio.kpi.ua/article/view/S0021347009060028.

Zheng, J. D.; Cheng, J. S.; Yang, Y. “Partly ensemble empirical mode decomposition: An improved noise-assisted method for eliminating mode mixing,” Signal Processing, Vol. 96, Part B, p. 362-374, Mar 2014. DOI: https://doi.org/10.1016/j.sigpro.2013.09.013.

Quan, H.; Liu, Z.; Shi, X. “A new processing method for the end effect problem of empirical mode decomposition,” Proc. of 2010 3rd Int. Congress on Image and Signal Processing, 16-18 Oct. 2010, Yantai, China. IEEE, 2010, pp. 3391-3394. DOI: https://doi.org/10.1109/CISP.2010.5647347.

Kovalenko, P. Y.; Bliznyuk, D. I.; Berdin, A. S. “Improved extrema detection algorithm for the generalized empirical mode decomposition,” Proc. of 2nd Int. Conf. on Industrial Engineering, Applications and Manufacturing, ICIEAM, 19-20 May 2016, Chelyabinsk, Russia. IEEE, 2016, pp. 1-5. DOI: https://doi.org/10.1109/ICIEAM.2016.7911546.

Wang, Peng; Chen, Guo-chu; Xu, Yu-fa; Yu, Jin-shou. “Improved empirical mode decomposition and its application to wind power forecasting,” Control Engineering China, Vol. 18, No. 4, p. 588-591 599, 2011. URI: https://caod.oriprobe.com/articles/28044593/Improved_Empirical_Mode_Decomposition_and_its_Appl.htm.

Zhang, Zhi-meng; Liu, Chen-chen; Liu, Bo-sheng; Tian, Bao-jing. “Simulation analysis of envelops fitting algorithms in EMD,” J. System Simulation, Vol. 21, No. 23, p. 7690-7693, 2009. URI: http://caod.oriprobe.com/articles/38656675/jing_yan_mo_tai_fen_jie_zhong_de_bao_luo_xian_ni_he_suan_fa_fang_zhen_.htm.

Лазоренко, О. В.; Черногор, Л. Ф. “Системный спектральный анализ инфразвукового сигнала, сгенерированного Челябинским метеороидом,” Известия вузов. Радиоэлектроника, Т. 60, № 8, С. 427-437, 2017. DOI: https://doi.org/10.20535/S0021347017080015.

Svoboda, M.; Matiu-Iovan, L.; Frigura-Iliasa, F. M.; Andea, P. “B-spline interpolation technique for digital signal processing,” Proc. of 2015 Int. Conf. on Information and Digital Technologies, 7-9 Jul. 2015, Zilina, Slovakia. IEEE, 2015, pp. 366-371. DOI: https://doi.org/10.1109/DT.2015.7222998.

Chen, Q.; Huang, N.; Riemenschneider, S.; Xu, Y. “A B-spline approach for empirical mode decompositions,” Adv. Comput. Math., Vol. 24, No. 1-4, p. 171-195, 2006. DOI: https://doi.org/10.1007/s10444-004-7614-3.

Yang, J. H. Shixi; Wu, Zhaotong; et al. “Study of empirical mode decomposition based on high-order spline interpolation,” J. Zhejiang University: Engineering Sci., Vol. 38, No. 3, p. 267-270, 2004.

Ding, H.; Lv, J. “Comparison study of two commonly used methods for envelope fitting of empirical mode decomposition,” Proc. of 2012 5th Int. Congress on Image and Signal Processing, 16-18 Oct. 2012, Chongqing, China. IEEE, 2012, pp. 1875-1878. DOI: https://doi.org/10.1109/CISP.2012.6469862.

Huang, D. J.; Zhao, J. P.; Su, J. L. “Practical implementation of Hilbert-Huang Transform algorithm,” Acta Oceanologica Sinica, Vol. 22, No. 1, p. 1-14, 2003. URI: http://www.hyxb.org.cn/aoscn/ch/reader/view_abstract.aspx?file_no=20030101&flag=1.

Huang, N. E.; Shen, Z.; Long, S. R. “A new view of nonlinear water waves: The Hilbert spectrum,” Annual Review Fluid Mech., Vol. 31, p. 417-457, 1999. DOI: https://doi.org/10.1146/annurev.fluid.31.1.417.

Deering, R.; Kaiser, J. F. “The use of a masking signal to improve empirical mode decomposition,” Proc. of IEEE Int. Conf. on Acoustics, Speech, and Signal Processing, 23 Mar. 2005, Philadelphia, USA. IEEE, 2005, Vol. 4, p. iv/485-iv/488. DOI: https://doi.org/10.1109/ICASSP.2005.1416051.

Gao, Y.; Ge, G.; Sheng, Z.; Sang, E. “Analysis and solution to the mode mixing phenomenon in EMD,” Proc. of 2008 Congress on Image and Signal Processing, 27-30 May 2008, Sanya, Hainan, China. IEEE, 2008, p. 223-227. DOI: https://doi.org/10.1109/CISP.2008.193.

Wu, Z.; Huang, N. E. “Ensemble empirical mode decomposition: A noise-assisted data analysis method,” Advances in Adaptive Data Analysis, Vol. 01, No. 01, p. 1-41, 2009. DOI: https://doi.org/10.1142/S1793536909000047.

Senroy, N.; Suryanarayanan, S.; Ribeiro, P. F. “An improved Hilbert-Huang method for analysis of time-varying waveforms in power quality,” IEEE Trans. Power Systems, Vol. 22, No. 4, p. 1843-1850, Nov 2007. DOI: https://doi.org/10.1109/TPWRS.2007.907542.

Huang, N. E.; Wu, M.-L. C.; Long, S. R.; Shen, S. S. P.; Qu, W.; Gloersen, P.; Fan, K. L. “A confidence limit for the empirical mode decomposition and Hilbert spectral analysis,” Proc. of Royal Soc. A - Math. Phys. Eng. Sci., Vol. 459, No. 2037, p. 2317-2345, Sep 8 2003. DOI: https://doi.org/10.1098/rspa.2003.1123.

Stevenson, N.; Mesbah, M.; Boashash, B. “A sampling limit for the empirical mode decomposition,” Proc. of Eighth Int. Symp. on Signal Processing and Its Applications, 28-31 Aug. 2005, Sydney, Australia. IEEE, 2005, pp. 647-650. DOI: https://doi.org/10.1109/ISSPA.2005.1581021.

Rilling, G.; Flandrin, P. “One or two frequencies? The empirical mode decomposition answers,” IEEE Trans. Signal Processing, Vol. 56, No. 1, p. 85-95, Jan 2008. DOI: https://doi.org/10.1109/TSP.2007.906771.

Boashash, B. “Estimating and interpreting the instantaneous frequency of a signal. II. Algorithms and applications,” Proc. IEEE, Vol. 80, No. 4, p. 540-568, 1992. DOI: https://doi.org/10.1109/5.135378.

Cexus, J.-C.; Boudraa, A.-O. “Nonstationary signals analysis by Teager-Huang Transform (THT),” Proc. of 14th European Signal Processing Conf., 4-8 Sept. 2006, Florence, Italy. IEEE, 2006, pp. 1-5. URI: https://ieeexplore.ieee.org/document/7071680.

Benramdane, S.; Cexus, J. C.; Boudraa, A. O.; Astolfi, J.-A. “Time-frequency analysis of pressure fluctuations on a hydrofoil undergoing a transient pitching motion using Hilbert-Huang and Teager-Huang transforms,” Proc. of Asme Pressure Vessels and Piping Conf., 22-26 Jul. 2007, San Antonio, USA. IEEE, 2008, Vol. 4: Fluid-Structure Interaction, pp. 199-207. DOI: https://doi.org/10.1115/PVP2007-26632.

Kaleem, M. F.; Sugavaneswaran, L.; Guergachi, A.; Krishnan, S. “Application of empirical mode decomposition and Teager energy operator to EEG signals for mental task classification,” Proc. of 2010 Annual Int. Conf. of IEEE Engineering in Medicine and Biology, 31 Aug.-4 Sept. 2010, Buenos Aires, Argentina. IEEE, 2010, pp. 4590-4593. DOI: https://doi.org/10.1109/IEMBS.2010.5626501.

Guo, J.; Qin, S.; Zhu, C. “The application of energy operator demodulation approach based on EMD in mechanical system identification,” Proc. of 19th Int. Conf. on Mechatronics and Machine Vision in Practice, M2VIP, 28-30 Nov. 2012, Auckland, New Zealand. IEEE, 2012, pp. 80-85. URI: https://ieeexplore.ieee.org/document/6484571.

Li, H.; Zheng, H.; Tang, L. “Gear fault diagnosis based on order tracking and Hilbert-Huang transform,” Proc. of 2009 Sixth Int. Conf. on Fuzzy Systems and Knowledge Discovery, 14-16 Aug. 2009, Tianjin, China. IEEE, 2009, pp. 468-472. DOI: https://doi.org/10.1109/FSKD.2009.220.

Опубліковано

2019-09-28

Як цитувати

Ву, Л., Жанг, Ю., Жао, Я., Рен, Г., & Хе, Ш. (2019). Алгоритм подавления смешивания мод для эмпирической модовой декомпозиции на основе метода самофильтрации. Вісті вищих учбових закладів. Радіоелектроніка, 62(9), 550–562. https://doi.org/10.20535/S0021347019090036

Номер

Розділ

Оригінальні статті