电子信息技术

本发明涉及一种基于改进经验小波分解的信号分解方法，包括：对故障信号进行Fourier功率谱密度谱线求取，选取若干不同大小阈值对上述干扰成分谱值进行剔除处理，并基于新谱线将故障信号进行分解处理，利用故障特征能量比信息筛选最优阈值、最优分解结果和含有丰富故障特征信息的模态分量。本发明在干扰背景下，仍能有效地最优分解出含有丰富故障特征信息的模态分量、消除干扰、抑制模态混叠和过度分解现象，获得理想分解结果，弥补了EWT的不足，丰富了模态分解的理论方法。

1.机械故障诊断：该方法适用于旋转机械（如轴承、齿轮箱）的振动信号分析，通过改进的经验小波分解精准提取故障特征频率，有效分离背景噪声与冲击成分，提升早期故障检测准确率。

2.电力系统谐波检测：可用于电网电压/电流信号的谐波与间谐波分解，自适应频带划分特性能够识别非平稳信号中的高频暂态成分，为电能质量治理提供高分辨率分析工具。

3.生物医学信号处理：适用于ECG、EEG等非平稳生理信号的去噪与特征提取，改进的分解算法可保留信号病理特征（如QRS波群、癫痫波），辅助临床诊断算法开发。

4.地震工程与地质勘探：通过处理地震波或地质雷达信号，有效分离不同地层反射波组，提高信噪比与分辨率，服务于结构抗震分析或矿产资源探测。

在干扰背景下，仍能有效地最优分解出含有丰富故障特征信息的模态分量、消除干扰、抑制模态混叠和过度分解现象，获得理想分解结果。弥补了EWT的不足，丰富了模态分解的理论方法。