[发明专利]一种基于EEMD的HHT的太阳黑子面积周期特征分析的方法

摘要

本发明涉及一种基于EEMD的HHT的太阳黑子面积周期特征分析的方法，属天文技术和信号处理领域。本发明采用基于集成经验模式分解(EEMD)算法的希尔伯特黄变换(HHT)的太阳黑子面积周期特征分析的方法，把不同时间尺度上的波动从原始数据中分离出来，不同频率随时间的变化也被清晰的表现出来，与常用的方法相比，它是直接的，自适应的，基于数据本身的方法，其有效地解决了传统的周期分析方法受基函数约束以及时间尺度不准确的问题。

主权项

1.一种基于EEMD的HHT的太阳黑子面积周期特征分析的方法，其特征在于：所述方法的具体步骤如下：步骤1、对太阳黑子面积数据进行平滑处理，得到平滑后的数据；步骤2：将平滑后的数据进行集成经验模式分解，分解后得到从高频到低频的一系列不同频率的本质模态函数集合；其中本质模态函数集合包括所有的本质模态函数分量及残差，每个本质模态函数分量代表着太阳黑子面积信号中的一个固有的振动模态；步骤3：根据时间间隔确定采样频率，根据数据长度和采样频率得到频率分辨率，由奈奎斯特定理得出最大、最小频率值，对本质模态函数集合中的每一个IMF分量进行希尔伯特黄变换，得到其对应的瞬时频率谱；步骤4：统计每一个瞬时频率谱中每个频率出现的次数，将统计的频率出现的次数的最大值变为1，并以该值为基准对所有频率的出现次数作归一化处理，得到对应的频率概率分布直方图；步骤5：用高斯函数对频率概率分布直方图进行单高斯拟合，拟合出的高斯曲线的峰值的横坐标作为该本质模态函数的平均频率，取一个标准差的置信区间，得到该本质模态函数的频率区间；步骤6：步骤5中得到的平均频率的倒数为平均周期，平均频率加一个标准差的和的倒数为该本质模态函数的最小周期，平均频率减去一个标准差的差的倒数为该本质模态函数的最大周期。