二、信号分解—＞局部均值分解（LMD）学习笔记

                                            LMD学习笔记

一、总述

        局部均值分解算法（LMD）， LMD算法最大的特点就在依据信号本身的特征对信号的自适应分解能力，产生具有真实物理意义的乘积函数（PF）分量（每个PF分量都是一个纯调频信号和包络信号的乘积，且每个PF分量的瞬时频率具有实际物理意义。），并由此得到能够清晰准确反映出信号能量在空间各尺度上分布规律的时频分布，有利于更加细致的对信号特征进行分析。

        与此同时，局部均值分解算法（LMD）相较于模态分解的创始算法经验模态分解算法（EMD）而言，其具备端点效应小、迭代次数少等优势。

二、分解方法

1.求局部均值函数m11(t)

找出原函数的局部均值ni，

求出所有相邻的局部极值点的平均值：

将所有的相邻平均值点mi用直线连起来后通过滑动平均法进行平 滑处理得到局部均值函数m11(t)。

2.求包络估计函数a11(t)