机器翻译
摘要：在20世纪90年代末，黄提出了一种叫做经验模态分解（EMD）的算法，该算法如今被广泛应用于递归地将信号分解为未知但独立的光谱波段的不同模态。EMD以其对噪声和采样的敏感性等局限性而闻名。这些限制只能通过更多的数学尝试来部分解决这个分解问题，如同步压缩、经验小波或递归变分分解。
在此，我们提出了一个完全非递归变分模态分解模型（VMD），其中模态被并行提取。该模型寻找模态及其各自中心频率的集合，使这些模态共同再现输入信号，而在解调到基带后，每个模态都是平滑的。在傅里叶域中，这对应于窄带先验。我们展示了维纳滤波去噪的重要关系。实际上，所提出的方法是将经典的维纳滤波器推广为多个自适应波段。我们的模型为分解问题提供了一个解决方案，在理论上是有根据的，而且仍然容易理解。采用乘子方法的交替方向法对变分模型进行了有效优化。初步结果显示，与现有的模态分解模型相比，具有吸引力的性能。特别地，我们提出的模型对采样和噪声有更强的鲁棒性。最后，我们在一系列的人工和真实数据上展示了有前景的实际分解结果
索引术语：am - fm，增广拉格朗日，傅里叶变换，希尔伯特变换，模态分解，谱分解，变分问题，维纳滤波。