精选优质文档-倾情为你奉上影响局部均值分解算法分解精度的若干因素局部均值分解LMD（Local mean decomposition）是一种新的自适应时频分析方法。LMD可以自适应地将任何一个复杂信号分解为若干个瞬时频率具有物理意义的PF（Product function）分量之和，从而获得原始信号完整的时频分布，其本质上是将多分量的信号自适应地分解为若干个单分量的调幅调频信号（包络信号和纯调频信号）之和，非常适合处理非平稳、非线性信号，特别是多分量的调幅调频信号。局部均值分解的基本理论和算法很容易理解，在许多文献上都给出了详细的介绍，在这里不做过多的阐述，重点讨论影响局部均值分解算法的一些问题。局部均值分解作为一种新提出的时频分析方法，有许多问题有待于进一步研究，如原始信号的采样频率、求局部均值函数和包络函数用到的滑动平均算法以及端点效应。采样频率不同会影响LMD分解精度，尤其对瞬时频率影响较大，采用不同的滑动跨度和端点处理方法就会得到不同的分解结果，有时甚至会造成算法的不收敛。下面将以具体实例分析二者对滑动平均算法的影响。具体信号如下：1. 采样频率
