经验模态分解及其模态混叠消除的研究进展

由Huang提出的经验模态分解（Empirical Mode Decomposition，EMD）算法是一种数据驱动的自适应非线性时变信号分析方法，可以把数据分解成具有物理意义的少数几个固有模态函数（Intrinsic Mode Function，IMF）分量。然而模态混叠会导致错假的时频分布，使IMF失去物理意义，严重影响了EMD分解的准确性与实用性。分别针对一维和多维EMD抑制模态混叠，总结归纳了相关研究取得的主要成果，指出了各方法抑制效果的改进及仍有的不足。最后讨论了相关研究及应用未来的发展趋势。