ارائه یک روش تلفیقی برای بهبود خطای ناشی از اثرات لبه ها در روش تجزیه مود تجربی

تجزیه مود تجربی یکی از روش های نوین برای تجزیه سیگنال به مولفه های تشکیل دهنده خود است. ویژگی اصلی این روش، قابلیت اجرا برای تمامی انواع سیگنال اعم از ناایستا و غیرخطی است. وجود منابع خطای متعدد از قبیل خطای ناشی از معیار توقف، اثرات لبه ها، تابع درون یابی و غیره باعث شده تا فعالیت هایی در جهت رفع و یا کاهش اثرات آن ها انجام گیرد. در این پژوهش خطای اثرات لبه ها مورد توجه قرار گرفته که روش های متعددی عمدتا بر مبنای تقارن و یا شیوه های مشابه برای کاهش اثر این خطا ارائه شده است. در این مقاله روشی تلفیقی ارائه شده که با تعریف مدل AR برای قسمت کوچکی از لبه ها، ادامه پوش های بیشینه و کمینه سیگنال را پیش بینی کرده و تعدادی از مودهای ذاتی اولیه بدست می آید. برای ادامه الگوریتم غربالگری که تعداد داده های اکسترمم برای تشکیل مدل AR کافی نباشد، روش های مبتنی بر تقارن به کار گرفته می شود. در نهایت، در قالب چند مثال نشان داده شده است که روش ارائه شده نتایج دقیق تری نسبت به روش های مبتنی بر تقارن دارد. برای واقعی تر شدن مثال های مورد بررسی، حالت های بدون نویز و با نویز هر دو لحاظ شده اند.

کلیدواژه ها:

Empirical Mode Decomposition ، Intrinsic Mode Function ، End Effects Error ، Autoregressive Model ، Mirror Method ، تجزیه مود تجربی ، توابع مود ذاتی ، خطای اثرات لبه ها ، مدل AR ، روش آیینه ای