EMD分解滤波消噪中高频噪声问题

leovikkie

各位坛友，本人正在应用EMD滤波消噪方法对一组实测信号进行处理，此信号的时程图如图1所示，AR功率谱密度如图2所示。采用本版中很多大侠们使用的EMD工具箱进行处理，得到12层imf图如3、4所示。EMD滤波的主要功能应该是将信号从高频到低频进行分解，但我的信号分解结束后，高频分量imf1与原始信号的互相关系数达到了0.98，可以说是基本没有变化，而从功率谱密度中可以清楚地看到，信号存在高频噪声或白噪声的干扰，那为什么使用EMD方法无法将高频噪声分离出来呢，是EMD函数需要根据情况进行什么细节上的调整吗？请各位高手不吝赐教，多谢多谢！

21004033

可能是有用信号大多数都集中在高频部分，所以降噪会去除有用信息

leovikkie

不过通过有限元模型计算得到的自振频率应该是属于低频振动的，有用信号不应该主要集中在低频段吗？

李清志

我行开始学HHT，以后也要用滤波。楼主是什么方向啊？

leovikkie

研究结构模态参数识别的，写论文要用到EMD，感觉有很多问题。

yongyuanz

由时域图来看信号主要成分为幅值受到调制的高频信号，信号经EMD后第一个IMF即为受调制的高频成分，所以和原信号的互相关程度很大。不知道你所需要的低频成分是哪个，如果是低频调制信号，应该进行解调处理。当信号主要成分为低频信号时，利用EMD滤波去噪才能取得较好的结果，并且EMD的去噪效果和原始信号的信噪比也有关系

leovikkie

回复 6 # yongyuanz 的帖子

感谢您的回复。我的信号是从实测工程中采集而来的，由于工程比较大，有限元计算的前20阶自振频率应该在0到20Hz这个范围内。现在通过对信号进行功率谱处理我发现信号的主频分布在49到51Hz左右，分析可能是机电频率，并且这部分信号几乎占据了原始信号的绝大部分。我的问题是：1.如果想对原始信号进行EMD处理达到较好的对信号滤波去噪的效果，是不是应该先滤掉49Hz以上的高频信号，将滤波后的信号作为新的原始信号再进行EMD分解消噪；2.如果滤波的话，高频信号中会不会存在有用信号；3.您说的“低频调制信号需要进行解调处理”是什么意思；4.我用的是论坛上比较常用的那个EMD工具箱，我想问一下在进行EMD分解时，工具箱里边的函数需不需要根据自己的信号进行相应的改动，如果有，具体在哪儿些位置。期待您的回复，十分感谢！

yongyuanz

回复 7 # leovikkie 的帖子

1如果只关心0-20Hz这个频率范围，可以进行低通滤波去除高频成分，低通滤波已剔除了高频噪声，不需要进行EMD滤波了。
2按你所说的有用信号在0-20Hz范围，高频信号中不会含有有用成分。
3高频信号受低频信号调制时，低频信号的获取往往通过包络解调获得
4EMD不需要改动

leovikkie

回复 8 # yongyuanz 的帖子

多谢您的回答，还有几点疑惑需要请教一下。1.从频率谱中可以看出50Hz处几乎占据了信号的主要能量，而由于有限元计算选择的模态阶次问题我只计算到了20Hz的模态，那么在20到50Hz这一频率范围内应该有可能存在高频噪声吧，这时候是否可以应用EMD进行分解，在0到50Hz这一范围内进行滤波消噪，得到有用信号，因为后续还要以信号为基础进行模态参数的识别。2.目前我采用的低通滤波方法流程是进行fft变换，然后将通带以外的频率全部致零，这样做会不会造成信号的泄露，请问现在比较常用的效果较好的滤波方式有哪儿些？

yongyuanz

回复 9 # leovikkie 的帖子

我认为如果低通滤波可以解决问题就不需要EMD去噪了。另外，现有的滤波方法很多FIR、IIR等，FIR滤波相频特性好，IIR滤波幅频特性好，选用哪种滤波方法要根据实际需求。

hotman007

其实，你的原始信号中绝大部分为调制信号，根据EMD的原来，无论是低频还是高频调制信号，只要符合条件，都会被保留，因此你得到的第一阶IMF会和原始信号基本一致。
既然你要的是工程中相对低频的部分，则可以先对信号进行滤波，然后再进行EMD分解。
另外，从原始信号波形上看，应该是两个频率相近的信号产生了波包，大概都在50Hz附近，估计这其中一个应该是外部的受迫力的振动频率，如电机的振动频率等，另外一个可能是结构的自振频率，要想分开这两个频率，目前大都借助经验方法，只用HHT好像不能得到正确结论。

leovikkie

回复 11 # hotman007 的帖子

谢谢您的回复，从原始信号的功率谱上来看，确实是50Hz占据了主要频段，向老师咨询后也确认应该是存在发电机的电机频率，分析信号主要组成应该为电机受迫振动产生的，另外还包括部分环境荷载产生的结构受迫振动以及结构自振。我目前的处理方法正如您所说的一样，先采用低通滤波器将50Hz以下的信号滤掉，再采用EMD方法进行分解，结合您对我的问题的回复，邮寄费问题需要解答。1.您回复里提到了波包，这个和拍振是一个概念吗？具体表示什么？如果存在这种情况，像我这样用滤波器直接滤除50Hz以上的频率是否合适；2.由于我处理的是风力发电机的信号，采用EMD分解后产生两种现象，处于风机上部的信号在EMD分解后没有出现高频噪声，但第一阶高频分量的自相关系数却呈现白噪声的趋势，而与原始信号的互相关系数则比较大，后几阶分量频率带明显在传感器量程以外但互相关系数却很大，不知如何取舍重组信号，风机下部信号则明显有噪声存在，处理比较正常。请问这个可能的原因是什么呢？期待您的回复，感激不尽！

hotman007

第一个问题：如果你不需要50Hz附近的频率分量，那么滤波不会对你的分析结果产生影响。
第二个问题：建议你用频域方法与HHT相互验证比较，可以用比较简单的频域方法，比如peak peaking 方法得到结构的前几阶自振频率，然后再调整EMD分解的控制参数，得到与频域方法相一致的前几阶频率后，即可验证EMD分解的适用性，并进一步处理。

leovikkie

回复 13 # hotman007 的帖子

再次感谢您的答复。首先，您所说的peak peaking这种方法我是第一次听说，是指功率谱吗？要想得到结构的前几阶自振频率，这个如何实现？其次，您说的调整EMD分解的控制参数是指哪儿些？在哪儿里可以实现？继续期待中...

hotman007

回复 14 # leovikkie 的帖子

Peak Peaking 是模态参数识别最原始的频域方法，随便一本关于模态参数识别的教材中都有。

EMD方法中，筛选过程使用的是三次样条曲线将信号的所有局部极大（小）值点连接起来以形成信号的上（下）包络线，这种筛选过程称为极值筛选（extrema sifting）。除此之外，还有另一种筛选过程，即曲率筛选（curvature sifting），在极值筛选有问题时，可以尝试使用曲率筛选，通常曲率筛选会给出更多的IMF分量。

工欲善其事必先利其器，希望楼主先对EMD知识有所了解，然后再合理使用它。