时间序列信号处理（一）-----变分模态分解（VMD)

1.简述变分模态分解

变分模态分解--vmd，适用于非线性时间序列信号，主要是利用求解变分问题的思想去对信号进行提取，在不丢失原始信号特征的情况下，把一个原始信号分解成多个不同中心频率的信号，即不在同一个调制信号内。

2.以轴承信号为例

安装vmd库，直接pip install vmdpy 即可

import matplotlib.pyplot as pltimport numpy as npfrom vmdpy import VMD

读取信号

ball_18_0 = np.loadtxt('E:/12k1/0HP/inner18.txt')data = ball_18_0[2048*2:2048*3]

设置参数，但分解层数K和二次惩罚系数α需要仔细考虑设定，特别是K值，对分解效果影响巨大。

# 参数设置alpha = 2000      # moderate bandwidth constrainttau = 0.            # noise-tolerance (no strict fidelity enforcement)K = 5            # 3 modesDC = 0             # no DC part imposedinit = 1           # initialize omegas uniformlytol = 1e-7u, u_hat, omega = VMD(data, alpha, tau, K, DC, init, tol)

绘制分解信号图

plt.figure(figsize=(10, 8))for i in range(K):    plt.subplot(K+1, 1, 1)    plt.plot(data)    plt.title("outer")    plt.subplot(K+1, 1, i+2)    plt.plot(u[i, :], linewidth=0.2, c='r')    plt.ylabel('u{}'.format(i + 1))plt.tight_layout()plt.show()

 最后绘出其频谱图

Fs = 12000Ts = 1.0/Fst = np.arange(N)k = np.arange(N)T = N/Fsfrq = k/Tfrq1 = frq[range(int(N/2))]lt.figure(figsize=(10, 8))for i in range(K):    plt.subplot(K + 1, 1, 1)    data_f = abs(np.fft.fft(data)) / N    data_f1 = data_f[range(int(N / 2))]    plt.plot(frq1, data_f1)    plt.title("outer")    plt.subplot(K+1, 1, i + 2)    data_f2 = abs(np.fft.fft(u[i, :])) / N    data_f3 = data_f2[range(int(N / 2))]    plt.plot(frq1, data_f3, 'red')    plt.xlabel('pinlv(hz)')    plt.ylabel('u{}'.format(i + 1))plt.tight_layout()plt.show()

 由上述结果可知，分解出来的信号基本上不在同一个频率段，分解效果很好。

来源地址：https://blog.csdn.net/abc1234abcdefg/article/details/123319043