sovereign 发表于 2016-3-8 14:33

[转载]LMD经验模态分解matlab程序——原味的

曾经也用滑动平均写过LMD,其实滑动平均的EMD才是原汁原味的居于均值分解。分享给有需要的人,程序写的不好,只是希望提供一种思路。如果谁写了更完美LMD程序,别忘了发我一份,快毕业了,一直没有把LMD写完美,对于我来说始终是个遗憾。来分完美的LMD让我也品尝下,我也无憾了~代码下载地址:http://download.csdn.net/source/3102096此处没有提供测试代码,如需要可以点这里:点我源代码如下:%原始lmd算法,效果很不好,不知道程序哪里写错
function=lmd(m)
c=m;
k=0
wucha1=0.001;
n_l=nengliang(m);
while 1
    k=k+1;
    a=1;
    h=c;
    =zhaochun(a,h,wucha1);
    c=c-pf;
    PF(k,:)=pf;
    A(k,:)=a;
    SI(k,:)=si;
    c_pos=pos(c);
    n_c=nengliang(c);
    n_pf=nengliang(pf);
    if length(c_pos)<3 || n_c<n_l/100 || length(pos(pf))<length(c_pos) || n_pf<n_c
      PF(k+1,:)=c;
      break
    end
endfunction pos=pos(y)
%功能:找序列极值点位置坐标%y:输入序列
%pos:极值点的序列位置坐标
m = length(y);
d = diff(y);n = length(d);
d1 = d(1:n-1);
d2 = d(2:n);
indmin = find(d1.*d2<0 & d1<0)+1;
indmax = find(d1.*d2<0 & d1>0)+1;if any(d==0)

imax = [];
imin = [];

bad = (d==0);
dd = diff();
debs = find(dd == 1);
fins = find(dd == -1);
if debs(1) == 1
    if length(debs) > 1
      debs = debs(2:end);
      fins = fins(2:end);
    else
      debs = [];
      fins = [];
    end
end
if length(debs) > 0
    if fins(end) == m
      if length(debs) > 1
      debs = debs(1:(end-1));
      fins = fins(1:(end-1));      else
      debs = [];
      fins = [];
      end   
    end
end
lc = length(debs);
if lc > 0
    for k = 1:lc
      if d(debs(k)-1) > 0
      if d(fins(k)) < 0
          imax = ;
      end
      else
      if d(fins(k)) > 0
          imin = ;
      end
      end
    end
end

if length(imax) > 0
    indmax = sort();
endif length(imin) > 0
    indmin = sort();
end

end minmax=cat(2,indmin,indmax);
pos=sort(minmax);
end
%----------zhaochun.m
function =zhaochun(a,h,wucha1)
chun_num=0;
while 1
chun_num=chun_num+1
t=1:length(h);
h_pos=position(h);%极值点位置序列
tpoint=t(h_pos);%极值点时间值
hpoint=h(h_pos);%极值点幅度值
hpoint=bianjie(h,hpoint,1);%端点处理后的极值点,多出了2个极值点
=find_miai(hpoint);%找出极值点之间的均值函数和包络函数
mi_point=junzhi(mi);%所有极值点处的均值序列(幅值)-纵坐标(点序列)
ai_point=junzhi(ai);%所有极值点处的包络序列(幅值)-纵坐标(点序列)
%此处端点处的均值和包络都是 端点和极值点之间的均值和包络值(如果端点视作极值点,这样处理是不合理的,端点都不是极值点,这样处理是正确的)
lmi_point=mi(1);%左端点的均值
rmi_point=mi(length(mi));%右端点的均值
lai_point=ai(1);%左端点的包络
rai_point=ai(length(ai));%右端点的包络
%
mi_point_d=link(lmi_point,rmi_point,mi_point);%连接端点均值及所有极值点处的 均值 (带端点的均值序列)(点序列)
ai_point_d=link(lai_point,rai_point,ai_point);%连接端点包络及所有极值点出的 包络值(带端点的包络序列)(点序列)
%
tpoint_d=link(t(1),t(length(t)),tpoint);
mi_fun=chadian1(tpoint_d,mi,mi_point_d);%包含端点和极值点和普通点的 均值序列-平缓前的均值序列
ai_fun=chadian1(tpoint_d,ai,ai_point_d);%包含端点和极值点和普通点的 包络序列-平滑前的包络序列
%以上是完整的未处理的均值函数mi_fun和包络函数ai_fun%找出第一平滑的滑动跨度
kmax=max(diff(tpoint_d));%找出时间跨度最大的相邻几点 间的 距离
kmax1=uint16(kmax/3);
kmax1=double(kmax1);
jiou=uint8(rem(kmax1,2));
if kmax1<3
    move_k=3; % b<3,滑动跨度=3,
elseif jiou==0 % b>=3,当b是偶数时,跨度=b-1
            move_k=(kmax1-1);
   else move_k=kmax1; %b>=3,b是奇数时,跨度=b
end
=move(mi_fun,move_k);
=move(ai_fun,move_k);mi=mi_move;
ai=ai_move;
a=a.*ai;
si=(h-mi)./ai;
h=si;
    ai_funmax=max(ai);
    ai_funmin=min(ai);
if (ai_funmax<=1+wucha1&&ai_funmin>=1-wucha1)
    break
endend
pf=a.*si;
end
function =move(a,k)
l=length(a);
t=1:l;
% jingdu=t(2)-t(1);
flag=0;
x=a;
max_flag=10;%平滑重复的最大次数设置
max_error=0;%相邻两点间相等允许的最大差异(理论上=0才人为无差异,实际操作要考虑采样精度,所以可以设置一个允许范围)
while flag<=max_flag || min(abs(diff(x)))<=max_error;%这里用到abs,然后再min,因为幅值的差值会出现负值,我们的目的是找差值=0,而不是负数
    if flag==0
      flag=flag+1;%flag标志位,标志平滑的次数,这里这里设置为不超过11次(最大10次)
    else
      flag=flag+1;%flag标志位,标志平滑的次数,这里这里设置为不超过11次(最大10次)
      x_pos=position(x);%极值点位置序列
      tpoint=t(x_pos);%极值点时间值
      tpoint_d=link(t(1),t(l),tpoint);%极值点的时间轴上的位置
      kmax=max(diff(tpoint_d));%找出时间跨度最大的相邻几点 间的 距离
      kmax1=uint16(kmax/3);
      kmax1=double(kmax1);
      jiou=uint8(rem(kmax1,2));
      if kmax1<3
            k=3; % b<3,滑动跨度=3,
      elseif jiou==0 % b>=3,当b是偶数时,跨度=b-1
                  k=(kmax1-1);
               else k=kmax1; %b>=3,b是奇数时,跨度=b
      end
    end
    y=zeros(1,l);% 初始化序列y,   y是中间变量
%%%%%%%%%%%%%%%%%%%边界点的处理%%%%%%%%%%%%%%
    for i=1:(k-1)/2
      v=0;
      z=0;
      for j=1:i*2-1
            v=v+x(j);
      end
      y(i)=v/(i*2-1);
      for j=l:-1:l+2-i*2         %j=l:-1:l+1-(i*2-1)
            z=z+x(j);
      end
      y(l+1-i)=z/(i*2-1);
    end
%%%%%%%%%%%%%%中间点的处理 %%%%%%%%%%%%%%%%%%%%%%%%%%
    for i=1+(k-1)/2:l-(k-1)/2 %这个 (d+1)/2是跨度的中点 单边的边界点数=中点值-1=(d+1)/2-1=(d-1)/2
      w=x(i);
      for j=1:(k-1)/2
            w=w+x(i-j)+x(i+j);
      end
      y(i)=w/k;
    end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%               
    x=y;
end
%k   %调试的时候查看
%flag %调试的时候查看
end
function hpp=bianjie(hh,hp,style)
%hh:需要边界处理的序列
%hp:需要边界处理序列的极值点的幅度值
%style:边界处理类型1:端点全部看作极值点2:左右两端各增加1个幅值为0的极值点
%hpp:边界处理后,极值点幅值多处了两个,因为左边右边各人为加上了一个
if style==1
    a=hh(1);
    b=hh(length(hh));
end
if style==2
    a=0;
    b=0;
end
hpp=link(a,b,hp);
endfunction pos=position(y)
%功能:找序列极值点位置坐标%y:输入序列
%pos:极值点的序列位置坐标
m = length(y);
d = diff(y);n = length(d);
d1 = d(1:n-1);
d2 = d(2:n);
indmin = find(d1.*d2<0 & d1<0)+1;
indmax = find(d1.*d2<0 & d1>0)+1;if any(d==0)

imax = [];
imin = [];

bad = (d==0);
dd = diff();
debs = find(dd == 1);
fins = find(dd == -1);
if debs(1) == 1
    if length(debs) > 1
      debs = debs(2:end);
      fins = fins(2:end);
    else
      debs = [];
      fins = [];
    end
end
if length(debs) > 0
    if fins(end) == m
      if length(debs) > 1
      debs = debs(1:(end-1));
      fins = fins(1:(end-1));      else
      debs = [];
      fins = [];
      end   
    end
end
lc = length(debs);
if lc > 0
    for k = 1:lc
      if d(debs(k)-1) > 0
      if d(fins(k)) < 0
          imax = ;
      end
      else
      if d(fins(k)) > 0
          imin = ;
      end
      end
    end
end

if length(imax) > 0
    indmax = sort();
endif length(imin) > 0
    indmin = sort();
end

end minmax=cat(2,indmin,indmax);
pos=sort(minmax);
endfunction =find_miai(ypoint)
%
Lyp=length(ypoint);
al=wkeep(ypoint,Lyp-1,'l');
ar=wkeep(ypoint,Lyp-1,'r');
mi=(al+ar)/2;
ai=abs(ar-al)/2;
endfunction c=junzhi(a)
l=length(a);
al=wkeep(a,l-1,'l');
ar=wkeep(a,l-1,'r');
c=(al+ar)/2;
endfunction d=link(a,b,c)
d=';
%头:尾:中间
endfunction f_value=chadian1(a,b,c)
% chadian1 把端点及极值点处对应的总坐标值插入,原来的均值函数的方波序列中
%输入参数a:点序列(行向量)(包含端点和极值点以 在时间上的位置-横坐标)(n个)(点序列-横坐标)
%输入参数b:段序列(行向量)(点序列a 每两点之间的纵坐标的值-纵坐标) (n-1)-(段序列-纵坐标)
%输入参数c:点序列(行向量) (包含端点和极值点 在对应时间上的幅值-纵坐标)(n个)-(点序列-纵坐标)
%输入参数d:原始数据的采样精度
%输出参数f_value(行向量): 点序列a 插入 段序列的值 之后,以c的精度的 值(对应于 横坐标,纵坐标的值)
%精度是0.001
l=length(b);
al=wkeep(a,l,'l');
ar=wkeep(a,l,'r');
d={[]};%d={0}这样是为了初始化 元胞数组
for i=1:l                                 %采样精度0.001
    d{i}=ones(1,(ar(i)-al(i)-1))*b(i);%ones函数参数要为整数,unint16就是数据强制类型转换,
end                                                         %这里没有使用到单独为uint16((ar(i)-al(i))*1000)-1)这个自变量赋值,所以只是个中间变量,对数据不会产生污染
y=c(1);
for i=1:l
    y=link(y,c(i+1),d{i});
end
f_value=y;
end
end
%------
function p=nengliang(y)
% my=mean(y);
% p=(y-my).*(y-my);
% p=sum(p);
p=sum(abs(y).^2);
end
%--------转自:http://blog.sina.com.cn/s/blog_3f87c5820100vout.html
页: [1]
查看完整版本: [转载]LMD经验模态分解matlab程序——原味的