基于相关性分析的经验模态分解算法研究

摘要

经验模态分解算法(EMD)将原始信号分解成一系列的本征模态函数(IMF),传统地直接将前三阶IMF作为特征提取的对象.针对传统方法存在误差大,复杂度大和识别率不高的问题,本文提出基于相关性分析的经验模态分解算法.针对五类真实的癫痫脑电数据,首先,基于相关性分析,选取IMF分量与原始信号相关性最大的本征模态函数作为研究对象,提取不同信号的特征.其次,基于Kruskal-Waills算法,选取能够识别不同信号的有效特征指标.最后,基于支持向量机算法,对不同信号进行分类识别实验.实验结果表明,基于相关性分析的EMD算法对不同信号的识别率均达到88％以上,比传统的直接提取前三阶IMF算法识别效果更好.提取的信号特征具有普遍性,因此本算法具有很好的自适应性.