《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 其他 > 業(yè)界動(dòng)態(tài) > 一種新的多尺度分析方法的研究

一種新的多尺度分析方法的研究

2008-07-10
作者:高鳳嬌,宋立新

??? 摘 要: 介紹一種新的多尺度分析" title="多尺度分析">多尺度分析方法,并給出了一維EMD實(shí)現(xiàn)方法及其在信號(hào)處理中的應(yīng)用以及二維EMD實(shí)現(xiàn)方法及其在圖像處理" title="圖像處理">圖像處理中應(yīng)用,該方法的應(yīng)用實(shí)例及分析過(guò)程,同時(shí)分析了EMD的優(yōu)越性和應(yīng)用前景。
??? 關(guān)鍵詞: HHT? 多尺度分析? EMD

?

??? 自然界的絕大多數(shù)現(xiàn)象都是非線性、非平穩(wěn)又或者伴有非線性、非平穩(wěn)現(xiàn)象的過(guò)程,因而在信號(hào)分析" title="信號(hào)分析">信號(hào)分析中,非平穩(wěn)信號(hào)分析是重要而常見(jiàn)的,以往對(duì)它們的處理方法都或多或少存在缺點(diǎn)和不足[1]。希爾伯特-黃變換HHT(Hilbert-Huang Transform)是繼小波變換之后,由美國(guó)科學(xué)家Norden E Huang等人于1998年提出的又一種多尺度分析的全新方法。是一種適合處理非線性,非平穩(wěn)信號(hào)的分析方法。非線性、非平穩(wěn)信號(hào)分析的主要目的是要揭示信號(hào)時(shí)頻變化規(guī)律。這種規(guī)律雖然目前可以通過(guò)短時(shí)傅立葉變換、小波變換等時(shí)頻分析法進(jìn)行分析,但這些方法都是通過(guò)幅值譜來(lái)展示頻率變化規(guī)律的,實(shí)質(zhì)都是以傅立葉變換(FT)為理論依據(jù),因此不可避免地會(huì)因FT分析非線性、非平穩(wěn)信號(hào)所帶來(lái)的缺陷,如出現(xiàn)虛假頻率,因此所顯示的信號(hào)的頻率變化規(guī)律只能是粗略的。此外,小波變換作為近年來(lái)廣泛受到關(guān)注和應(yīng)用的多尺度分析方法也存在不能克服的缺陷,如最優(yōu)小波基的選取、變換層數(shù)的確定,在不同小波基下處理所得的結(jié)果大不相同。正是在這一背景下,N.E.Huang等人創(chuàng)造性地提出了固有模態(tài)函數(shù)IMF(Intrinsic Mode Function)概念和經(jīng)驗(yàn)?zāi)J椒纸釫MD(Empirical Mode Decomposition)方法,再將信號(hào)分解所得的各階IMF進(jìn)行Hilbert變換,形成時(shí)間頻率能量譜,從而得到瞬時(shí)頻率并定義為Hilbert譜。美國(guó)NASA宇航中心將這種形式的Hilbert變換稱為Hilbert-Huang變換(HHT)。這是一種以瞬時(shí)頻率為核心概念的方法,理論上能精確給出信號(hào)中頻率隨時(shí)間變化的規(guī)律,避免了虛假頻率等冗余現(xiàn)象,同時(shí)EMD的基隨信號(hào)自適應(yīng)地產(chǎn)生,不同信號(hào)的基是惟一的,不需要選擇。HHT方法一出現(xiàn)就受到廣大研究人員的青睞?,F(xiàn)已應(yīng)用到地球物理、生物醫(yī)學(xué)、振動(dòng)工程、機(jī)械工程、故障檢測(cè)、圖像處理等領(lǐng)域,實(shí)踐表明,較依賴于先驗(yàn)函數(shù)基的Fourier分析和小波分析等方法,HHT更適合處理非平穩(wěn)信號(hào),是一種具有自適應(yīng)性的時(shí)頻局部化多尺度分析方法。將Nunes等人的一維EMD思想應(yīng)用于二維圖像處理中,使EMD的發(fā)展向前邁進(jìn)了一步。本文給出了二維EMD的實(shí)現(xiàn)方法及應(yīng)用。
1 EMD的實(shí)現(xiàn)及應(yīng)用
1.1 一維EMD和Hilbert的實(shí)現(xiàn)
??? Hilbert-Huang變換分為兩步:首先用經(jīng)驗(yàn)?zāi)B(tài)分解方法EMD獲得有限數(shù)目的固有模態(tài)函數(shù)IMF,然后再利用Hilbert變換和瞬時(shí)頻率方法獲得信號(hào)的時(shí)-頻譜——Hilbert譜。由于瞬時(shí)頻率方法對(duì)任意信號(hào)不都適用, 它只對(duì)單分量信號(hào)(Monocomponent signal)才有意義,而對(duì)于自然界和工程應(yīng)用領(lǐng)域,獲取的信號(hào)一般都不能滿足單分量信號(hào)的要求,因此,必須對(duì)信號(hào)進(jìn)行適當(dāng)?shù)奶幚?。?jīng)驗(yàn)?zāi)B(tài)分解方法(EMD)就是通過(guò)對(duì)信號(hào)進(jìn)行分解,使之能夠表示為許多單分量信號(hào)之和。在Hilbert-Huang變換中,為了把復(fù)雜的信號(hào)分解為簡(jiǎn)單的單分量信號(hào)的組合, EMD所獲得的固有模態(tài)函數(shù)(IMF)必須滿足下列兩個(gè)條件[2-3]
??? (1)在整個(gè)信號(hào)長(zhǎng)度上,一個(gè)IMF的極值點(diǎn)和過(guò)零點(diǎn)數(shù)目必須相等或至多只相差一點(diǎn)。
??? (2)在任意時(shí)刻,由極大值點(diǎn)定義的上包絡(luò)線和由極小值點(diǎn)定義的下包絡(luò)線的平均值為零,也就是說(shuō),IMF 的上下包絡(luò)線對(duì)稱于時(shí)間軸。滿足上述條件的IMF就是一個(gè)單分量信號(hào)。對(duì)于給定的信號(hào),Huang所介紹的EMD方法是:
??? 首先找到信號(hào)的極大值和極小值,通過(guò)三次樣條擬合,從而獲得信號(hào)的上包絡(luò)曲線envmax和下包絡(luò)曲線envmin, 計(jì)算上下包絡(luò)曲線的平均值曲線m1:m1=(envmax+envmin)/2。設(shè)分析信號(hào)為x(t),則:
??? x(t)-m1=h1
??? 從理論上講,h1即為第一階IMF分量,但由于樣條擬合h1不一定滿足IMF的條件,因此把h1作為原始數(shù)據(jù),重復(fù)上述步驟,反復(fù)減均,直到滿足IMF的條件為止。然后,從原始信號(hào)中減去h1即可獲得信號(hào)的逼近分量R1。
??? x(t)-h1=R1
??? 對(duì)R1重復(fù)上面的過(guò)程, 就可以獲得第二階IMF分量。通過(guò)EMD方法對(duì)信號(hào)的一次次的篩分,就可以獲得信號(hào)的多個(gè)IMF分量和一個(gè)逼近分量Rn,從而信號(hào)可由下式表示:

???

??? 因此,對(duì)任何一個(gè)信號(hào)x(t),都可以將其分解為n個(gè)固有模態(tài)分量和1個(gè)殘余分量Rn之和,其中,分量h1,h2,…h(huán)n,包含了信號(hào)從高到低不同頻率段的成分,且這些成分在頻域相互正交,而Rn則表示了信號(hào)x(t)的整體趨勢(shì)。
??? 以上分解過(guò)程可以解釋為時(shí)空尺度濾波的過(guò)程,每一個(gè)IMF分量都反映了信號(hào)的不同特征尺度的分量,代表著信號(hào)的非線性非平穩(wěn)信號(hào)的內(nèi)在模態(tài)特征。若各階IMF都滿足Hilbert變換的前提條件,可以對(duì)它們作Hilbert變換:

???

??? x(t)和y(t)形成一復(fù)共軛對(duì),則其解析信號(hào)z(t)=x(t)+iy(t)=a(t)e(t),幅值函數(shù)a(t)=相位函數(shù)

??? 再對(duì)相位函數(shù)求導(dǎo)即得IMF分量的瞬時(shí)頻率為:得到信號(hào)的Hilbert譜:更進(jìn)一步,通過(guò)對(duì)時(shí)間積分可獲得信號(hào)的Hilbert邊際譜:

1.2 一維EMD的應(yīng)用
??? 這里選取三個(gè)正弦函數(shù)(一個(gè)頻率較低且幅值較大,另兩個(gè)頻率較高且幅值較小)和一個(gè)階躍函數(shù)的疊加信號(hào),對(duì)其進(jìn)行四層EMD分解,如圖1所示。圖1中,從左到右是原始信號(hào),從上到下是第一層到第四層IMF分量及四層分解后的殘余。實(shí)驗(yàn)結(jié)果證明,信號(hào)經(jīng)EMD后得到了從高頻到低頻不同頻率段的成分、殘余代表信號(hào)的主要趨勢(shì)。如果兩個(gè)相對(duì)高頻的正弦函數(shù)成分為噪聲,則得到的殘余成分非常接近于能量較大的低頻正弦函數(shù)成分和階躍函數(shù)成分的疊加。如圖1(f)所示的一個(gè)波形。實(shí)驗(yàn)結(jié)果很明顯地反映了EMD的去噪" title="去噪">去噪作用,而且這種去噪是完全自適應(yīng)性的處理,效果理想。從圖中也可看出,一維EMD存在邊界效應(yīng),現(xiàn)已有一些研究人員提出了解決辦法,如Huang提出的用特征波CW對(duì)原始信號(hào)進(jìn)行延拓的方法、基于神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)數(shù)據(jù)序列進(jìn)行延拓的方法、基于AR模型的Levinson-Durbin算法的線性預(yù)測(cè)的方法以及采用最大熵譜(即Burg)估計(jì)進(jìn)行邊界延拓的方法,一定程度上避免了邊界效應(yīng)。

?

?

2 二維EMD的實(shí)現(xiàn)及應(yīng)用
2.1 基于一維EMD提出二維EMD方法的實(shí)現(xiàn)

??? (1)求曲面局部極值點(diǎn)就是求出曲面上所有的比周圍臨近點(diǎn)都大或都小的點(diǎn)。本文采用3×3(或5×5或7×7,總之是奇數(shù)維)數(shù)組,通過(guò)中心點(diǎn)與周圍點(diǎn)比較分別確定極大值點(diǎn)和極小值點(diǎn)。對(duì)于一般邊界數(shù)據(jù)的處理,因?yàn)橹挥性谝话氲泥徲騼?nèi)有數(shù)據(jù),所以只能在1/2的鄰域區(qū)間內(nèi)尋找極值點(diǎn)。對(duì)于四個(gè)角處的數(shù)據(jù)處理,則考慮1/4鄰域區(qū)間。
??? (2)極值點(diǎn)找出來(lái)之后,要對(duì)各極大值點(diǎn)和各極小值點(diǎn)分別進(jìn)行曲面擬合。本文采用三角剖分結(jié)合線性插值" title="插值">插值或立方插值進(jìn)行曲面擬合。三角剖分支持呈散射狀分布的數(shù)據(jù)點(diǎn)的插值且速度較快。這樣,經(jīng)插值后得到極大值點(diǎn)曲面包絡(luò)和極小值點(diǎn)曲面包絡(luò),將兩曲面數(shù)據(jù)求平均得到均值包絡(luò)曲面數(shù)據(jù)。
??? (3)用原始曲面減去均值包絡(luò)曲面。
??? (4)與一維EMD方法相似需計(jì)算終止條件,這里用maxima表示減勻前曲面數(shù)據(jù)的最大值的絕對(duì)值,用maximd表示該曲面的均值包絡(luò)曲面數(shù)據(jù)的最大值的絕對(duì)值,計(jì)算終止條件:,收斂速度較快些。
2.2 二維EMD的應(yīng)用
??? 根據(jù)上述二維EMD的分解原理和分解方法,本文對(duì)標(biāo)準(zhǔn)Lena圖像進(jìn)行五層的EMD分解,其結(jié)果如圖2所示。圖2中,從左到右是原始信號(hào),從上到下是第一層到第五層二維IMF分量,依次得到從低頻到高頻的不同頻帶范圍內(nèi)的分量。高頻分量代表圖像的細(xì)節(jié),與現(xiàn)有的幾種提取圖像邊緣的方法相比,這里提取的細(xì)節(jié)更為全面,同時(shí)又只攜帶了很少的能量。用EMD將圖像分解成各層細(xì)節(jié)和輪廓(殘余)之后也為圖像進(jìn)一步處理(如圖像增強(qiáng)、圖像壓縮等)提供了新的前提。在將圖像分解為高頻、次高頻等分量的過(guò)程中,圖像中各點(diǎn)經(jīng)歷著提取自身的相對(duì)高頻、次高頻的過(guò)程,所以,相信基于這種方法的圖像處理效果與以往的處理方法相比會(huì)有所不同,效果更自然,有其獨(dú)特的視覺(jué)意義。

?


??? 圖3是另一幅圖像的五層二維EMD分解結(jié)果,從左到右是原始信號(hào),從上到下是第一層到第五層二維IMF分量。由圖可以看出,第一、二層已經(jīng)很好很完整地提取出圖像的高頻成分,包括如圖片中的一行文字、高頻的背景成分及圖像自身的完全的細(xì)節(jié)等。所以,可以看到二維EMD 將會(huì)在圖像的去噪、圖像的增強(qiáng)、圖像分割以及圖像的特征提取等方面有新的可研究的前景,為圖像分析打開(kāi)了新的方向。

?


??? 本文討論了一維Hilbert-Huang變換的原理,并將其應(yīng)用于信號(hào)分析中。同時(shí),給出了二維EMD的實(shí)現(xiàn)過(guò)程并將其應(yīng)用于二維圖像分析中。一維EMD 作為一種多尺度分析方法已經(jīng)被廣泛地應(yīng)用于許多工程領(lǐng)域,實(shí)現(xiàn)了對(duì)非平穩(wěn)信號(hào)的分析和處理。雖然二維EMD還剛剛起步,但通過(guò)分析已清楚其在圖像處理領(lǐng)域內(nèi)的應(yīng)用有著相當(dāng)廣闊的前景,為圖像分析打開(kāi)了一個(gè)新的方向。下一步的工作是對(duì)將二維EMD 應(yīng)用于圖像壓縮和圖像的特征提取等方面作進(jìn)一步的探索。

參考文獻(xiàn)
[1] HUANG N E,SHEN Z,LONG S R,et al.The empirical?mode decomposition method and the Hilbert spectrum
for non-stationary time series analysis.Proc.R.Soc.Lond.A454,1998:903-995.
[2] WU Zhaohua,HUANG N E.A study of the characteristics?of white noise using the empirical mode decomposition?method.Proc.Roy.Soc.London A,Dec,2002.
[3] 鐘佑明,秦樹(shù)人,湯寶平.Hilbert-Huang變換中的理論研究[J].振動(dòng)與沖擊,2002,21(4):13-17.

本站內(nèi)容除特別聲明的原創(chuàng)文章之外,轉(zhuǎn)載內(nèi)容只為傳遞更多信息,并不代表本網(wǎng)站贊同其觀點(diǎn)。轉(zhuǎn)載的所有的文章、圖片、音/視頻文件等資料的版權(quán)歸版權(quán)所有權(quán)人所有。本站采用的非本站原創(chuàng)文章及圖片等內(nèi)容無(wú)法一一聯(lián)系確認(rèn)版權(quán)者。如涉及作品內(nèi)容、版權(quán)和其它問(wèn)題,請(qǐng)及時(shí)通過(guò)電子郵件或電話通知我們,以便迅速采取適當(dāng)措施,避免給雙方造成不必要的經(jīng)濟(jì)損失。聯(lián)系電話:010-82306118;郵箱:aet@chinaaet.com。