本发明涉及信号分解，特别是一种信号经验模态分解方法和系统。
背景技术：
1、经验模态分解(emd)方法自1998年提出以来，已广泛应用于信号处理领域，尤其在非线性和非平稳信号的分析与处理方面显示出独特的优势，emd方法的核心思想是将一个复杂的信号分解为一系列本征模式函数(imfs)，每个imf应满足两个基本条件：极值点之间的局部对称性和零均值特性，通过这种方式，emd方法能够适应信号的局部特性，有效地从原始信号中提取出有意义的趋势和周期成分，为了克服emd在处理实际信号时可能遇到的模式混叠和边界效应问题，研究人员提出了多种改进算法，如集成emd(eemd)和多维emd(memd)，在一定程度上优化了分解性能和稳定性，扩展了emd方法的应用范围，尽管emd及其衍生算法在信号分析领域取得了显著进展，但在实际应用中仍面临挑战，现有方法在信号的开始和结束区域的处理往往缺乏准确性，影响了分解结果的可靠性，并且仍存在模式混叠现象，限制了信号分量的准确提取。
技术实现思路
1、鉴于上述现有的信号经验模态分解方法和系统中存在的问题，提出了本发明。
2、因此，本发明所要解决的问题在于现有方法在信号的开始和结束区域的处理往往缺乏准确性，影响了分解结果的可靠性，并且仍存在模式混叠现象，限制了信号分量的准确提取。
3、为解决上述技术问题，本发明提供如下技术方案：一种信号经验模态分解方法，其包括，收集信号并进行预处理；采用顺序统计滤波器获取信号上下包络线；对信号进行逐层分解，获取不同频率信号分量，并进行质量评估，根据评估结果实施措施；对数据进行存储，设置数据安全保护。
4、作为本发明所述信号经验模态分解方法的一种优选方案，其中：所述收集信号并进行预处理指通过设置信号传感器收集原始信号并进行去噪和归一化预处理，设置局部极值识别阈值和识别间隔，通过计算信号导数进行信号局部极值点检测和识别，将识别的信号局部极值点形成局部极大值集合和局部极小值集合。
5、作为本发明所述信号经验模态分解方法的一种优选方案，其中：所述采用顺序统计滤波器获取信号上下包络线指形成局部极大值集合和局部极小值集合后通过滤波器平滑极值点：
6、
7、其中g(t，σ)为滤波器，t为时间变量，σ为滤波器的标准差；
8、通过局部极大值集合和局部极小值集合形成信号上下包络线为：
9、
10、
11、其中eup(t)为信号上包络线，m(t)为局部极大值点，edown(t)为信号下包络线，m(t)为局部极小值点。
12、作为本发明所述信号经验模态分解方法的一种优选方案，其中：所述对信号进行逐层分解，获取不同频率信号分量指通过自循环方法对信号进行迭代逐层分解：
13、sn+1(t)＝sn(t)-dn(t)
14、
15、
16、其中sn+1(t)为第n次迭代分解后的剩余信号，dn(t)代表第n次迭代提取的信号分量，sn(t)为第n次迭代的信号，w(t)为窗函数，i和j为虚数单位，f为频率变量，t为时间变量，h(f，φ)为带通滤波器，φ为滤波器参数，fc为中心频率，δf为频率带宽。
17、作为本发明所述信号经验模态分解方法的一种优选方案，其中：所述进行质量评估指计算提取的信号分量与原始信号在时间域内的相关性：
18、
19、其中r为计算得出的相关性值，k为迭代总数，s(t)为原始信号，dn(t)为第n次提取的信号分量，为原始信号平均值，为提取信号分量平均值。
20、作为本发明所述信号经验模态分解方法的一种优选方案，其中：所述根据评估结果实施措施指将信号分量相关性值r与评估阈值r1进行对比判断提取信号分量质量：
21、若r≥r1，则说明提取的信号分量与原始信号具有高度相关性，进行信号提取的顺序统计滤波器和自循环方法设置参数合理，继续收集信号进行分解获取不同频率的信号分量，定期对顺序统计滤波器和自循环方法参数进行检测和记录；
22、若r＜r1，则说明提取的信号分量与原始信号相关性不足，重新设置传感器收集信号进行预处理，调整顺序统计滤波器和自循环方法参数进行信号逐层分解，并对分解提取的信号分量进行相关性评估，迭代进行直至r≥r1后停止，记录此时的顺序统计滤波器和自循环方法参数，将迭代过程形成参数调整记录作为调整参考进行存储。
23、作为本发明所述信号经验模态分解方法的一种优选方案，其中：所述对数据进行存储，设置数据安全保护指将收集的信号、识别得到的局部极大值集合和局部极小值集合、信号上下包络线、提取得到的不同频率信号分量、信号分量相关性计算结果、相关性评估结果以及处理措施存储指数据库中并设置访问权限和访问密码，每个访问权限具备唯一的访问密码，所述数据库按照时间顺序将数据进行分类存储，并定期进行数据检测，数据库在接收到数据访问请求后验证访问权限和访问密码，同步实时监控数据访问过程，访问结束后将访问过程形成访问记录同步存储。
24、一种信号经验模态分解方法，其特征在于：包括，获取模块、分析模块、评估模块以及存储模块；
25、所述获取模块用于通过传感器对信号进行收集并进行预处理；
26、所述分析模块用于对信号上下包络线进行分析获取，并通过信号上下包络线对信号进行逐层分解获取不同频率信号分量；
27、所述评估模块用于对获取的信号分量质量进行评估，根据评估结果实施相应的处理措施；
28、所述存储模块用于对数据进行存储和设置安全保护，并配合其余模块对存储的数据进行调用。
29、一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现上述信号经验模态分解方法的步骤。
30、一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现上述信号经验模态分解方法的步骤。
31、本发明有益效果为：本发明通过收集信号进行预处理，采用顺序统计滤波器获取信号的上下包络线，采取自循环的方法对信号逐层分解，获取不同频率信号分量，抑制了传统经验模态分解方法的端点效应与模态混叠问题，从而提高整体分析准确性和分解效率。
1.一种信号经验模态分解方法，其特征在于：包括，
2.如权利要求1所述的信号经验模态分解方法，其特征在于：所述收集信号并进行预处理指通过设置信号传感器收集原始信号并进行去噪和归一化预处理，设置局部极值识别阈值和识别间隔，通过计算信号导数进行信号局部极值点检测和识别，将识别的信号局部极值点形成局部极大值集合和局部极小值集合。
3.如权利要求2所述的信号经验模态分解方法，其特征在于：所述采用顺序统计滤波器获取信号上下包络线指形成局部极大值集合和局部极小值集合后通过滤波器平滑极值点：
4.如权利要求3所述的信号经验模态分解方法，其特征在于：所述对信号进行逐层分解，获取不同频率信号分量指通过自循环方法对信号进行迭代逐层分解：
5.如权利要求4所述的信号经验模态分解方法，其特征在于：所述进行质量评估指计算提取的信号分量与原始信号在时间域内的相关性：
6.如权利要求5所述的信号经验模态分解方法，其特征在于：所述根据评估结果实施措施指将信号分量相关性值r与评估阈值r1进行对比判断提取信号分量质量：
7.如权利要求6所述的信号经验模态分解方法，其特征在于：所述对数据进行存储，设置数据安全保护指将收集的信号、识别得到的局部极大值集合和局部极小值集合、信号上下包络线、提取得到的不同频率信号分量、信号分量相关性计算结果、相关性评估结果以及处理措施存储指数据库中并设置访问权限和访问密码，每个访问权限具备唯一的访问密码，所述数据库按照时间顺序将数据进行分类存储，并定期进行数据检测，数据库在接收到数据访问请求后验证访问权限和访问密码，同步实时监控数据访问过程，访问结束后将访问过程形成访问记录同步存储。
8.一种信号经验模态分解方法，其特征在于：包括，获取模块、分析模块、评估模块以及存储模块；
9.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
