新人求助，关于信号处理

ihod

我是个新手，很多地方不会，想各位朋友请教，导师让我做轴承故障诊断这一块的内容，看了文章，我现在初步的想法是用小波分析处理信号，然后用神经网络结合去诊断，现在看了很多人用EMD，我对这个不甚了解，相对来说哪个效果更好一些啊，最好能给我指点些路子

李清志

回复 1 # ihod 的帖子

我也是新手，但我感觉这两样各有优缺点。

manguoyong

你好：
1 EMD （经验模态分解）
这是一个使用EMD分解出IMF的例子，一个试验信号由一个tone信号，一个chirp信号，叠加得到，目的是使用EMD将这两个信号分离，得到的预期结果应该是chirp信号在高阶，tone信号在低阶，（原因是chirp信号在各个局部的频率都比tone信号高）。
现在来看具体的执行情况：
这个信号最终被分解成了6阶还有一个残余分量，以第一阶IMF分解过程为例：
   首先对原始信号进行处理，先求出各个局部极大值点，然后用插值法连接这些点组成上包络线，同样找到极小值点连接这些点组成下包络线，包络线均值就是中间的紫色连线，用原始信号减去包络线均值就得到了下面的第一个residue.，但是它并不满足IMF定义，所以就以这个residue作为原始信号继续重复上面的操作，这个例子里面得到第一阶IMF共持续了8次上面的操作。
此时我们来看第八次的结果，符合iMF的两个条件：极值点之和过零点至多相差一个，而且包络线均值为零，（也就是中间的紫线和X轴重合）。
这就得到了第一个IMF，然后用原始信号减去这个IMF，得到的新的信号，作为初始信号在进行重复上面的筛选过程。
2 EMD
举一个例子：里面有iMF处理和hht谱 边际谱做法。
m=importdata();
i=1;
N=1024;
f=500;
while i<1024
  
    data(i)=m(i);
    i=i+1;
end
imf=emd(data);
figure(1)
[m,n]=size(imf);

for i=1:m
   
    subplot(m,1,i);
    plot(imf(i,1:500));
   
end
figure(2)
dt=1/f;
h = nspab(imf',500,0,500,dt);
%h(1:5,:)=0;
subplot(211)
surf(h(1:200,11:1010))
shading interp
Xlabel('&Ecirc;±&frac14;&auml;(&micro;&atilde;&Ecirc;&yacute;)','FontSize',12);
Ylabel('&AElig;&micro;&Acirc;&Ecirc;(Hz)','FontSize',12);
Zlabel('&#8226;ù&Ouml;&micro;(Hz)','FontSize',12);
title('a','FontSize',12)
ms=mspc(h)
%ms(32)=1.2*ms(32)
subplot(212)
plot(1:250,ms(1:250))
Ylabel('&#8226;ù&Ouml;&micro;','FontSize',12);
Xlabel('&AElig;&micro;&Acirc;&Ecirc;(Hz)','FontSize',12)
title('c','FontSize',12)



这里面nspab和mspc这两个函数是HHT工具箱里函数，我觉得比较简单就来使用了，使用disp-hht，hhtspectrum，还有toimage，就可以画出HHT谱，

ihod

回复 3 # manguoyong 的帖子

非常感谢，论坛里面学到了很多，我慢慢学习

micheal0311

我也向你们学习。

cqu_mechanical

对于非平稳信号，EMD方法较好

xiaosong02

EMD好

zjwiceberg

emd现在遇到的问题是端点效应问题，不过又一些文献提出一些方法尽量减少这个问题，你可以搜一些文章看一下