[发明专利]一种识别测量信号中复杂波动趋势的数据驱动方法

摘要

本发明公开了一种识别测量信号中复杂波动趋势的数据驱动方法，该方法利用变模态分解方法VMD将测量信号转化为低频和高频两部分，并计算测量信号和低频信号归一化后的欧氏距离，当欧氏距离小于等于预设阈值时，将当前分解得到的低频信号作为全局波动趋势；否则，对低频信号进行分解，计算当前分解和前一次分解得到的低频信号归一化后的欧氏距离，并重复上述过程，直至欧氏距离小于等于预设阈值，将当前分解得到的低频信号作为全局波动趋势。本发明还提出了VMD方法的具体过程，同时给出涉及参数的取值依据。相比于现有方法，本发明能够很好地定性或定量描述测量信号的全局变化趋势，并且得到的波动趋势精度更高。

主权项

1.一种识别测量信号中复杂波动趋势的数据驱动方法，其特征在于，包括如下步骤：步骤1，利用变模态分解方法将测量信号分解为低频信号和高频信号两部分，并对测量信号和低频信号进行归一化处理，计算测量信号和低频信号归一化后的欧氏距离，当欧氏距离小于等于预设阈值时，将上述分解得到的低频信号作为全局波动趋势输出，否则，进行步骤2；步骤2，利用变模态分解方法将前一次分解后得到的低频信号继续分解为低频信号和高频信号，对当前分解得到的低频信号进行归一化处理，计算当前分解得到的低频信号和前一次分解得到的低频信号归一化后的欧氏距离，当欧氏距离小于等于预设阈值时，将当前分解得到的低频信号作为全局波动趋势输出，否则，进行步骤3；步骤3，重复步骤2的过程，当欧氏距离小于等于预设阈值时，将当前分解得到的低频信号作为全局波动趋势输出，迭代终止。