论文部分内容阅读
经验模式分解（ Empirical Mode Decomposition ， EMD）是近年来出现的一种自适应的信号分解算法，该方法受到了广泛的关注，被成功应用于许多领域。然而，当信号包含噪声时，它存在过度分解的弊端，容易受噪声的干扰，因而严重地限制了该方法的推广。为了解决这一问题，提出了一种改进的EMD方法：在首轮分解时，采用光滑样条拟合来代替原来的三次样条插值，可避免对噪声成分过度分解，从而极大地减少了噪声成分的干扰。仿真实验证实了新方法有显著的改进效果；两个实际气候数据序列分解的例子进一步说明了新方