扩张网机 1 介绍 烧烤箱
由于在现实中存在着大量的非平稳信号，因此针对非平稳信号的处理与分析一直是信号处理领域里的一个研究热点，在目前的非平稳信号处理方法中Wigner-Villy分布、小波变换和经验模式分解法（EMD）等典型方法已经得到了很广泛的应用，不过也存在一定的局限性，其中Wigner-Villy分布由于是二次型时频表示，对于多分量信号，存在交叉项干扰。小波变换对时频面是一种机械的格型分解，所以无自适应性。EMD是一种自适应的信号处理方法，它将复杂的多分量信号自适应地分解为若干个IMF（Intrinsic mode function，简称IMF）分量之和，进一步对每个IMF分量进行自动润滑系统Hilbert变换求出瞬时频率和瞬时幅值，从而得到原始信号完整的时频分布，由于EMD的自适应分解性等优点使他在机械故障诊断、地震信号分析、海洋信号分析等领域已经得到了广泛的应用，但是EMD方法在理论上还存在一些问题，如过包络、欠包络、模态混淆和端点效应问题，这些问题仍在研究中。 最近Jonathan S. Smith在前人的研究基础上提出了一种新的自适应非平稳信号的处理方法——局部均值分解（LMD）。并将这种方法应用于脑电信号分析，取得了不错的效果。LMD自适应的将任何一个复杂的非平稳信号分解成若干个瞬时频率具有物理意义的PF分量之和，
朱晓驰
其中每一个大豆糖蜜PF分量由一个包络信号和一个纯调频信号相乘而得到，包络信号就是该PF分量的瞬时幅值，而标准车当量数PF分量的瞬时频率则可由纯调频信号直接求出，进一步将所有PF分量的瞬时频率和瞬时幅值组合，便可以得到原始信号完整的时频分布。
2 局部均值分解方法
LMD方法的实质是从原始信号中分离出纯调频信号和包络信号，将纯调频信号和包络信号相乘便可以得到一个瞬时频率具有物理意义的PF分量，迭代处理至所有的PF分量分离出来，便可以得到原始信号的时频分布。对于任意信号()xt，其分解过程如下。
