[论文解读] Adaptive Local Iterative Filtering for Signal Decomposition and Instantaneous Frequency analysis

Antonio Cicone, Jingfang Liu+1 more|arXiv (Cornell University)|Nov 21, 2014

Machine Fault Diagnosis Techniques参考文献 32被引用 19

一句话总结

本文提出自适应局部迭代滤波（ALIF），一种先进的信号分解方法，结合了迭代滤波与数据驱动的、局部自适应的滤波长度，以及源自福克-普朗克方程的平滑、紧支撑滤波器。该方法确保了对非线性、非平稳信号的收敛性与稳定性，并提出了一种仅基于信号特性的全新局部瞬时频率定义。

ABSTRACT

Time-frequency analysis for non-linear and non-stationary signals is extraordinarily challenging. To capture features in these signals, it is necessary for the analysis methods to be local, adaptive and stable. In recent years, decomposition based analysis methods, such as the empirical mode decomposition (EMD) technique pioneered by Huang et al., were developed by different research groups. These methods decompose a signal into a finite number of components on which the time-frequency analysis can be applied more effectively. In this paper we consider the iterative filters (IFs) approach as an alternative to EMD. We provide sufficient conditions on the filters that ensure the convergence of IFs applied to any $L^2$ signal. Then we propose a new technique, the Adaptive Local Iterative Filtering (ALIF) method, which uses the IFs strategy together with an adaptive and data driven filter length selection to achieve the decomposition. Furthermore we design smooth filters with compact support from solutions of Fokker-Planck equations (FP filters) that can be used within both IFs and ALIF methods. These filters fulfill the derived sufficient conditions for the convergence of the IFs algorithm. Numerical examples are given to demonstrate the performance and stability of IFs and ALIF techniques with FP filters. In addition, in order to have a complete and truly local analysis toolbox for non-linear and non-stationary signals, we propose a new definition for the instantaneous frequency which depends exclusively on local properties of a signal.

研究动机与目标

• 解决传统经验模态分解（EMD）和瞬时频率（IF）方法在非线性、非平稳信号处理中的不稳定性与缺乏自适应性问题。
• 为适用于一般L²信号的迭代滤波（IF）算法建立收敛性理论，并给出充分的滤波器条件。
• 设计一种新型自适应、数据驱动的滤波策略（ALIF），根据局部信号行为逐点调整滤波长度。
• 提出源自福克-普朗克方程（FP滤波器）的平滑、紧支撑滤波器，使其满足收敛性条件。
• 提出一种完全基于信号局部特性的全新瞬时频率与相位定义，以提升时频分析性能。

提出的方法

• 通过使用低通滤波器进行卷积，应用迭代滤波（IF）算法，利用逐次筛分将信号分解为分量。
• 推导出滤波器形状的充分条件（如非负性、可积性、对称性），以保证IF内层循环对L²信号的收敛性。
• 提出自适应局部迭代滤波（ALIF），其中滤波长度lₙ(x)在每个点x处根据局部信号特征自适应选择。
• 将FP滤波器构造为福克-普朗克方程的解，以生成满足收敛条件的平滑、紧支撑滤波器。
• 利用IF与ALIF算法将信号分解为类似本征模态的分量，实现局部时频分析。
• 基于局部信号极值点与包络行为定义瞬时频率与相位，确保完全的局部性与自适应性。

实验结果

研究问题

• RQ1 哪些滤波器形状的充分条件可确保一般L²信号下迭代滤波（IF）算法的收敛性？
• RQ2 能否设计一种数据自适应的滤波长度选择策略，以改善非线性、非平稳信号的分解性能？
• RQ3 如何从PDE模型（福克-普朗克方程）中推导出平滑、紧支撑的滤波器，以确保IF与ALIF中的收敛性？
• RQ4 能否提出一种完全基于局部信号结构的全新瞬时频率定义？
• RQ5 ALIF方法在应用于具有复杂动力学特性的现实世界扰动信号时，其稳定性如何？

主要发现

• 本文在定理1中证明，特定滤波器条件（非负性、可积性、对称性）可确保任意L²信号下IF算法的收敛性。
• ALIF方法通过在每个点处动态调整滤波长度lₙ(x)以适应局部信号行为，实现了更高的自适应性，从而提升了分解精度。
• 源自福克-普朗克方程的FP滤波器被证明满足定理1中的收敛条件，从而保障了IF与ALIF的稳定性能。
• 数值实验表明，IF与ALIF在扰动下具有良好的稳定性，相似信号（如对流层温度数据）对应的分量保持接近。
• 真实波高数据的ALIF分解揭示了四个主要周期分量，周期分别约为12、24、36和72小时。
• 新的局部瞬时频率定义实现了真正意义上的局部时频分析，完全独立于全局基函数或预定义变换。