摘要:基于经验模式分解(empirical mode decomposition,简称EMD)分解出的基本模式分量往往会 因为原始数据中的一些异常数据和高频噪声而丧失明确的物理意义。因此,提出了一种基于系统重构吸引子奇异值分解(singular value decomposition,简称SVD)降噪 的EMD分解方法。在改进方法中, 原始信号经SVD降噪后分解出了原信号中的有用成分 和冗余成分,对有用成分进行EMD分解可以减少原信号中冗余成分对EMD分解能力的干扰, 提高EMD分解能力,使得分解出的基本模式分量更加具有实际意义,更加有利于特征的提取 。