自整定多元变分模态分解

多元变分模态分解(MVMD)作为变分模态分解(VMD)的多元扩展,在继承VMD优点的同时,也存在其分解性能很大程度上依赖于两个预置参数——模态数量K和惩罚系数α的问题。为此,该文提出一种自整定MVMD(SMVMD)算法。SMVMD采取了匹配追踪法的思想,通过频域的能量占比和模态正交性分别自适应地更新K和α。对仿真信号与真实案例的分析结果表明,所提SMVMD方法不仅有效解决了原MVMD的参数整定问题,而且表现出以下优势,(1)与MVMD相比,SMVMD抗模态混叠的能力更强,且对噪声和α值的变化都具有更好的鲁棒性。(2)与多元经验模态分解、快速多元经验模态分解和多元变分模态分解这些经典算法相比,SMVMD算法的分解误差最小,分解效果最好。