异常事件对EMD方法的影响及其解决方法研究

作者指出异常事件在数据中形成局部的高频信号 ,运用经验模态分解 (EMD)方法分析这种存在异常事件干扰的数据 ,就会产生本征模函数 (IMF)的频率混叠现象 ,而造成物理过程的重叠 ,使得难以用时间过程曲线表现特定的物理过程。这一问题是 EMD方法中尚未妥善解决的问题。为解决这一问题 ,作者利用干扰信号极值及其两边的极大与极小值位置与原始数据有明显对应关系的特征 ,将相关 IMF中的异常信息直接滤除 ,再用 Spline插值方法弥补滤除时段的数据 ,得到重新拟合的该 IMF数据。采用这种方法可以提取出异常信号 ,提取的精度与异常信号的时段长度有关。而且 ,拟合结果消除了异常干扰 ,可以将该 IMF与其余 IMF一起叠加成没有异常干扰的数据。将滤除了异常干扰的数据再次进行 EMD分解 ,可以得到新的 IMF系列 ,而它与不加校正的分解结果有相当大的差别 ,可靠地反映了真实物理过程。结果表明 ,只有在有效滤除异常干扰的情况下才能获得可靠的 IMF系列 ,并准确地描述各种尺度的现象 ;消除了异常干扰的 IMF可以任意单独或组合使用 ,表现各种时间尺度的变化与过程 ;所讨论的方法只适合异常时段较小的情形。