局部均值分解(Local Mean Decomposition,LMD)方法是一种较新的自适应信号分析方法。LMD算法的核心思想是将原始信号分解为多个乘积函数(Production Function,PF),其中每个PF都是一个包络函数和一个纯调频函数的乘积。在LMD算法中需要...局部均值分解(Local Mean Decomposition,LMD)方法是一种较新的自适应信号分析方法。LMD算法的核心思想是将原始信号分解为多个乘积函数(Production Function,PF),其中每个PF都是一个包络函数和一个纯调频函数的乘积。在LMD算法中需要提取信号的局部均值函数和包络估计,然而常规的提取方法会带来局部误差且分解速度慢。为了解决此问题,提出了利用三次B样条对信号上、下极值点进行插值得到上、下包络线,进而获取信号局部均值和包络估计的新方法。对仿真信号和机械振动信号的对比实验验证了该方法的优越性。展开更多
文摘局部均值分解(Local Mean Decomposition,LMD)方法是一种较新的自适应信号分析方法。LMD算法的核心思想是将原始信号分解为多个乘积函数(Production Function,PF),其中每个PF都是一个包络函数和一个纯调频函数的乘积。在LMD算法中需要提取信号的局部均值函数和包络估计,然而常规的提取方法会带来局部误差且分解速度慢。为了解决此问题,提出了利用三次B样条对信号上、下极值点进行插值得到上、下包络线,进而获取信号局部均值和包络估计的新方法。对仿真信号和机械振动信号的对比实验验证了该方法的优越性。