[论文解读] Synchrosqueezed Wavelet Transforms: a Tool for Empirical Mode Decomposition

Ingrid Daubechies, Jianfeng Lu+1 more|ArXiv.org|Dec 12, 2009

Machine Fault Diagnosis Techniques参考文献 12被引用 20

一句话总结

本文提出了一种基于同步挤压小波变换（SSTs）的数学上严谨的集合经验模态分解（EMD）替代方法，通过重新分配小波系数以增强时频表示的清晰度。该方法能成功将信号分解为近似谐波分量，且其振幅和频率缓慢变化，实现了精确的分量分离与重构，尤其适用于非平稳信号（如sEMG和ECG数据）。

ABSTRACT

The EMD algorithm, first proposed in [11], made more robust as well as more versatile in [12], is a technique that aims to decompose into their building blocks functions that are the superposition of a (reasonably) small number of components, well separated in the time-frequency plane, each of which can be viewed as approximately harmonic locally, with slowly varying amplitudes and frequencies. The EMD has already shown its usefulness in a wide range of applications including meteorology, structural stability analysis, medical studies -- see, e.g. [13]. On the other hand, the EMD algorithm contains heuristic and ad-hoc elements that make it hard to analyze mathematically. In this paper we describe a method that captures the flavor and philosophy of the EMD approach, albeit using a different approach in constructing the components. We introduce a precise mathematical definition for a class of functions that can be viewed as a superposition of a reasonably small number of approximately harmonic components, and we prove that our method does indeed succeed in decomposing arbitrary functions in this class. We provide several examples, for simulated as well as real data.

研究动机与目标

• 开发一个数学上明确定义的框架，以捕捉EMD算法的核心意图，同时摒弃其启发式步骤。
• 解决线性和二次时频方法在分辨频率重叠或快速变化分量时的局限性。
• 实现由少量近似谐波分量组成的信号的精确分解与重构，这些分量的振幅和频率缓慢变化。
• 为生物医学和工程应用中的真实世界信号，提供一种稳健且可分析的EMD替代方案。

提出的方法

• 该方法使用连续小波变换（CWT）分析信号并提取时频表示。
• 应用同步挤压过程，将小波系数重新分配至其估计的瞬时频率位置，以增强时频聚集性。
• 重新分配基于小波变换的相位导数，以估计每个时间-尺度点的瞬时频率。
• 应用频率截断，通过识别1 Hz以下的主导分量来隔离并去除低频漂移分量。
• 通过将选定频带的逆同步挤压变换相加，重构信号，从而保留R波等尖锐瞬态特征。
• 算法使用二进制尺度区间，并将其划分为等对数间距的分箱（例如每尺度32或128个分箱），以提高分辨率和定位精度。

实验结果

研究问题

• RQ1 能否开发一种数学上严谨的方法，以实现与EMD相同的分解目标，而无需依赖启发式步骤？
• RQ2 如何增强时频表示，以更好地分辨频率重叠或快速变化的分量？
• RQ3 同步挤压小波变换在多大程度上能准确重构sEMG和ECG信号中的关键信号特征（如R波）？
• RQ4 该方法能否有效分离并重构复杂信号中的非平稳、振幅调制和频率调制分量？

主要发现

• 同步挤压小波变换成功重构了sEMG信号，去除了漂移分量，同时保持了R波的锐利度和精确时间点。
• 从同步挤压变换中提取的瞬时心率与真实的RR间隔序列具有高度相关性，主导频率分量接近1.2 Hz。
• 在ECG数据中，同步挤压变换能清晰追踪主导心率分量，其瞬时频率轮廓与临床定义的RR间隔高度一致。
• 对于具有非谐波但缓慢调制的分量的模拟信号，该方法在时频聚集性方面优于标准小波变换或Wigner-Ville分布。
• 通过滤除低频漂移，该算法能够精确重构各个分量，证实其在生物医学信号处理中的实用性。
• 该方法为EMD提供了一种稳定且可分析的替代方案，并为近似谐波分量类信号提供了分解精度的理论保证。