[发明专利]一种基于GPGPU的非线性非稳态复杂信号自适应分解方法

权利要求书

1.一种基于GPGPU的非线性非稳态复杂信号自适应分解方法，其特征在于，包括以下步骤：

步骤1：初始化输入信号x(t)，计算本征模态函数IMF的数目NI：

NI＝log₂(length)-1

其中，length是初始信号x(t)的长度；imf_i(i＝1,2,…,NI)表示得到的NI个本征模态函数；

步骤2：设置输入信号x(t)的白噪声信号幅度，设置整体实验次数trial为NTE，初始化trial次数k＝1；

步骤3：在第k次trial时，令x_k(t)＝x(t)+n_k(t)，其中n_k(t)表示通过设定幅度添加的白噪声，并且令i＝1；初始化剩余信号为r_i(t)＝x_k(t)；

步骤4：在提取第k次trial的第i个IMF时，令j＝1，h_j-1(t)＝r_i(t)，h_j-1(t)表示第j-1次trial的IMF；

步骤5：计算h_j-1(t)的局部最小值h_min(t)和最大值h_max(t)；

步骤6：对最小值h_min(t)和最大值h_max(t)用三次曲线进行插值，用来提取h_j-1(t)上部包络线和下部包络线，然后计算上部包络线和下部包络线的均值m_j-1(t)，得到第j次的h_j(t)，即：

h_j(t)＝h_j-1(t)-m_j-1(t)；

步骤7：检验h_j(t)是否为IMF；

若否，则j＝j+1，并返回执行步骤5；

若是，第k次trial的第i个IMF值便可以得到，即imf_i[k](t)＝h_j(t)，然后令r_i+1(t)＝r_i(t)-imf_i[k](t)作为新的残余信号，并顺序执行下述步骤8；

步骤8：判断r_i+1(t)是否有2个以上的极值；

若是，则令i＝i+1，并返回执行步骤4；

若否，则分解的过程第k次trial便终止了，因此，这个添加了白噪声的信号x_k(t)能被分解为其中r_NI(t)是x_k(t)的残余信号；并顺序执行下述步骤9；

步骤9：判断k是否大于阈值NTE；

若否，则令k＝k+1，并返回执行步骤3；

若是，则预先设置的全部实验次数结束，并且原始信号x(t)第i个IMF信号便可以是所有次数trial的平均值，即：

其中，i＝1，2，…，NTE；

步骤10：在得到IMF分量后，对IMF分量用希尔伯特变换进行处理：

Z(t)＝imf(t)+iH[imf(t)]＝a(t)e^i∫ω(t)dt；

其中，IMF分量的瞬时角频率w(t)和幅度a(t)为：

步骤11：振幅的时频分布被定义为振幅谱，记为H(ω,t)，称为Hilbert谱，用函数(f)来表示(w,t)，即：h(f)＝∫H(w,t)dt；

Hilbert边际谱标准化后得到：

则熵值表示为：

通过对熵值的进一步log(N)分解，熵值被归一化为：

式中：HHSE表示希尔伯特黄谱熵，N表示频率的个数。

2.根据权利要求1所述的基于GPGPU的非线性非稳态复杂信号自适应分解方法，其特征在于：步骤4中对NTE次trial做并行化处理，对于NTE个Trial的处理，主机调用NTE个线程块，每个线程块分配128个线程，每个线程用于计算8个数据点的极值；步骤5中主机调用NTE个线程块，每个线程块分配1个线程用于处理包络线的计算，包络线的计算采用三次样条插值法；主机再次初始化NTE个线程块，每个线程块分配128个线程，调用128×NT个CUDA线程并行完成NTE个Trial的IMF提取运算。