УДК 51-7:612.16

Комплементарная множественная декомпозиция на эмпирические моды с адаптивным шумом CEEMDAN как метод решения основных проблем применения преобразования Гильберта-Хуанга

 

В. Д. Омпоков, В. В. Бороноев

Институт физического материаловедения СО РАН

Статья поступила в редакцию 21 сентябяря 2016 г.

 

Аннотация.  Статья посвящена методу множественной эмпирической модовой декомпозиции сигналов с адаптивным шумом, позволяющему решать основные проблемы применения преобразования Гильберта-Хуанга в задаче обработки и анализа биомедицинских сигналов. Отмечено, что в результате декомпозиции пульсового сигнала на эмпирические моды часто получаются функции с перекрывающимися частотными диапазонами и происходит так называемый “модовый переход”, что затрудняет анализ спектрального состава сигнала. Для решения этих проблем реализован алгоритм множественной эмпирической модовой декомпозиции сигналов с адаптивным шумом (CEEMDAN), суть которой заключается в многократном добавлении к сигналу белого шума.

Ключевые слова: пульсовой сигнал, преобразование Гильберта-Хуанга, множественная эмпирическая модовая декомпозиция с адаптивным шумом.

Abstract. The most promising method of time-frequency analysis of the data is the Hilbert-Huang Transform, which makes it possible to work with nonstationary and nonlinear data. The method is based on the Empirical Mode Decomposition of signals and the Hilbert Transform. The key feature of Empirical Mode Decomposition is to decompose a signal into so-called Intrinsic Mode Function (IMF). IMF represents a simple oscillatory mode as a counterpart to the simple harmonic function, but it is much more general: instead of constant amplitude and frequency in a simple harmonic component, an IMF can have variable amplitude and frequency along the time axis. Further-more, the Hilbert Spectral Analysis of Intrinsic Mode Functions provides frequency information evolving with time and quantifies the amount of variation due to oscillation at different time scales and time locations. The paper shows problems solving of applying Hilbert-Huang Transform for biomedical signal processing. It is the presence of oscillations of very disparate amplitude in a mode, or the presence of very similar oscillations in different modes. Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN) can effectively overcome these problems, and potentially should provide more objective results than alternative methods. In the CEEMDAN method a particular noise is added at each stage of the decomposition and a unique residue is computed to obtain each mode.

Key words: pulse signal, Hilbert-Huang transform, Complete Ensemble Empirical Mode Decomposition with Adaptive Noise.