消除EMD端点效应的PSO-SVM方法研究

经验模态分解（empiricalmodedecomposition，简称EMD）的端点效应使得EMD分解结果产生严重失真，为了减小分解过程中产生的端点效应，将支持向量机（SVM）这一智能算法引入EMD，提出采用SVM模型解决分解中产生的端点效应问题．通过支持向量机对其原始数据两端进行延拓，以获得一个或者多个极大值和极小值．为了使端点处的延拓变得更加合理，引入粒子群（PSO）智能算法对支持向量机算法参数进行优化，使其两个端点处的数据延拓得更加准确，从而使得三次样条曲线在端点处不会发生大的摆动，实现EMD分解的固有模态函数（IMF）更加准确可靠．通过对仿真信号的研究表明，基于PSO—SVM方法的延拓方法能够很好地抑制了分解的端点效应．