文件类型

DOC：是WORD文件的扩展名。

BMP：BMP是一种与硬件设备无关的图像文件格式，使用非常广。它采用位映射存储格式，除了图像深度可选以外，不采用其他任何压缩，因此，BMP文件所占用的空间很大。BMP文件的图像深度可选lbit、4bit、8bit及24bit。BMP文件存储数据时，图像的扫描方式是按从左到右、从下到上的顺序。

由于BMP文件格式是Windows环境中交换与图有关的数据的一种标准，因此在Windows环境中运行的图形图像软件都支持BMP图像格式。

TXT：txt文件是微软在 *** 作系统上附带的一种文本格式，是最常见的一种文件格式 ，早在DOS时代应用就很多，主要存文本信息，即为文字信息，在微软在 *** 作系统等于直接存，就是它了，现在多用的 *** 作系统得使用记事本等程序保存，大多数软件可以查看，记事本，浏览器等等。

同时TXT格式的小说作为现在最流行，最通用的阅读格式，可以用在传统的PC机上，也可以用在手机上阅读，PSP,MP3MP4等上阅读。

JPG：jpg格式是一种格式，使一种比较常见的图画格式，如果你的是其他格式的话，你可以通过以下方法转化：

1、photoshop ，打开图画以后，按另存为，下面格式那里选择JPG格式就是了，这个方法比较简单，而且适合画质比较好的，要求比较高的转换。

2、如果你要求不高，你直接通过windows附带的图画程序，选择JPG格式就行了，这个来转换的话，画质嘛，马马虎虎，不过在网上嘛，过得去了！

如果JPG格式转其他格式，这样的方法同样适用。

MP3：MP3的全称是Moving Picture Experts Group Audio Layer III。简单的说，MP3就是一种音频压缩技术，由于这种压缩方式的全称叫MPEG Audio Layer3，所以人们把它简称为MP3。MP3是利用 MPEG Audio Layer 3 的技术，将音乐以1:10 甚至 1:12 的压缩率，压缩成容量较小的file，换句话说，能够在音质丢失很小的情况下把文件压缩到更小的程度。而且还非常好的保持了原来的音质。正是因为MP3体积小，音质高的特点使得MP3格式几乎成为网上音乐的代名词。每分钟音乐的MP3格式只有1MB左右大小，这样每首歌的大小只有3-4兆字节。使用MP3播放器对MP3文件进行实时的解压缩(解码)，这样，高品质的MP3音乐就播放出来了。

MP3格式缺点就是为了压缩而破坏了音乐的质量，不过似乎广大的听众不在乎这个(音乐发烧友可能例外)，我们从他的普及速度和面就可以得出。

MP3音频格式

MP3(MPEG Audio LayerⅢ)音频格式诞生于20世纪80年代，是伴随着MPEG-1而开发的。在MPEG-1标准中，音频压缩标准按复杂性和压缩质量分为三个独立层次：

(1)MPEG Audio LayerⅠ，它最为简单，码流为每通道384kb/s，主要用于数字卡座(Digital Compact Cassette，DCC)。

(2)MPEG Audio Layer Ⅱ，它具有中等复杂度，码流为每通道192kb/s，主要用于数字音频广播、数字演播室和VCD等方面数字音频的制作、交流、存储和传送。

(3)MPEG Audio Layer Ⅲ，它最为复杂，是综合了MPEG Audio LayerⅡ和ASPEC优点的一种混合压缩技术，其音频质量最好，主要用于MP3音频压缩，码流为每通道64kb/s。MP3编码虽不适用于实时传送，但能在低编码速率下提供较高的音质，所以成为网上音乐的宠儿。

ICO： ICO是个独一无二的、不朽的游戏艺术品。其实这个游戏的本质，只是一个类似”推箱子“的游戏而已，但上田文人非凡的文艺气质和他对玩家游戏体验的深刻理解，加上这个游戏中感人至深的情节，使这部三无作品（无体力槽，无能力槽，无物品栏）成了一首余音绕梁的优雅诗篇。可以说，纵观游戏业内，多少制作人都是想把自己的作品做成小说，恨不得做成长篇巨著；而能把游戏当作诗歌来创作的，仅上田文人一人而已。

游戏的情节很简单：一个头上长角的孩子ICO被村里的人视为异类，于是被送到魔女的城堡里充当祭祀物。可是ICO从囚住他的石棺里凑巧逃了出来。这时候他看见一个笼子里关着一个小女孩Yorda，他于是就要想方设法和这个小女孩离开这个处处是机关陷阱的城堡。但是当他们跑到城堡大门的时候却看见了城堡的主人：魔女。她带走了Yorda。从断桥上掉下去的ICO大难不死，他一不留神得到了一把威力无比有神力的宝剑，于是他决定再回到城堡去，把Yorda再带出来。

整个游戏里对话加起来不超过20句。你控制的ICO能做的动作也非常少：跑，跳，爬，拿东西和丢东西，用一根木棍打人，都是些基本动作，完全没有常规动作游戏里的“超杀”之类的东西。整个游戏里只有三个角色：ICO，Yorda和魔女。他们三人分别是谁？Yorda和魔女到底什么关系？为什么魔女要把ICO 关在石棺里，把Yorda关在笼子里？这些关于身世背景的疑点游戏本身都没有说明。有人认为上田文人只是做了一个架空的幻想框架，让我们在重重的解谜中体会思维的乐趣；更重要的是，在这个勇士和公主的故事中体会最纯洁的爱。

问题:

1 分量c1,c2,c3cn分别包含了从高到低不同的频率断,每一段频率成分是不同的,而且随信号x(t)变换而变化,rn则表示了信号x(t)的中心趋势

对于这句话 有点不解 c1 c2cn是不是严格按照频率从高 到低, 而且rn说表示中心趋势 我看有的说误差 看来应该是分情况而定的把

2 对于黄的程序 暂时我没有仔细研读啊 ,不知道他在对于emd缺点改进方面作了那些工作,此程序在对于emd的改进如何,更确切的说 这个程序的可用度如何, 更适合分析甚么信号!

通过看imf定义,可以看到 它对于具有调幅和调频的信号 对称信号 处理应该是比较不错的,但是实际信号 比如地震信号 时域波形应该畸变 不是标准的正弦波 或者于弦 ,而我门在举例子的时候 都倾向于 举一标准的正于弦 或者 调幅 调频,如果举噪声的例子,结果又会怎么样那

3 对于现在搞emd的都在对黄的程序,在改进 ,结果也出了不少文章 ,在故障诊断这块 ,作的不错的 湖南大学于老师 在机械系统与信号处理 发过3-4篇 文章, 算法作了改进 ,主要故障设计 齿轮 和轴承 ,这些信号 大家都清楚 出现调幅调频的几率比较达大,处理起来效果应该还可以,但是对于别的故障,不知道大家有没有试验过,如果转速变化比较大,所采集的波形波动比较大时,效果是不是还比较好呢 我现在还是觉得 信号略处于稳态的 处理效果比较好些, 期待大家 讨论

答案1 c1 c2 cn 的确是严格按照频率从高到低产生的，不过这里有一个误区，其意思并不是说c1的频率一定比c2的高，正确的理解是c1中的某个局部的频率比c2中相同局部的频率要高，这也正好反映了EMD算法局部性强的本质所在，也跟黄的说法“相邻的分量可能包含相同时间尺度的振荡，但是相同时间尺度的振荡绝对不会出现在两个不同的IMF分量的同一个位置”一致。至于分解过程造成的误差（主要是包络方式的选取、边界效应的处理和滤波停止条件的设计），会不断累积到下一层分解中，并不一定是最后一个余量（趋势项）。

2

a) 黄的源程序其实我们都没有得到（这个不是免费的，因为黄已经在NASA中申请了专利），一般大多数人使用的都是Flandrin提供的源代码，也就是LS提到的GRilling的方法（之所以有两种不同说法是因为网站提供的源代码是Flandrin的，但是emdm提到的文章是GRilling作为第一作者的，也许外国人不像我们那样通过次序来区分贡献，呵呵）。程序基本上可靠，可以用来分析各种数据，但是效果如何，就要看是否满足你的需要了。至于适合什么样的数据，现在还没有定论，其一，EMD算法还没有建立一个合适的数学模型，也就缺乏严格的数学基础，很多诸如收敛性、唯一性、正交性等数学问题根本无法进行，甚至连“什么信号能进行EMD分析”目前也无法解释。其二，算法本身是 *** 作性的，到目前为止也是经验的（正如算法的名称一样），在没有找到其理论支撑之前，无从考究。其三，一种算法，不可能对任何信号都有效，所以不要指望EMD可以处理任何信号。

b) 从IMF的定义看的确要求IMF是对称的，但是这不意味着要求信号本身具有这样的特性，也并不要求信号是正弦、余弦等的合成，我想，之所以EMD能引起那么多人关注，除了所谓的“传销”得当以外，更重要的是它在实际中的表现，如果只能处理规则的信号，那么它的影响（包括好的和也许坏的）远不可能如此成功。

c) EMD从高到低产生各IMF的特性就意味着它可以用来去噪，而并非在使用EMD之前用其他方法进行噪声处理。举个例子吧，我这段时间做的脑功能激活区检测，本质上就是去除信号的噪声，把原始的刺激恢复出来的这么一个过程。实现结果是很不错的，无论对于加性的服从规则分布（例如高斯分布、均匀分布等）的随机信号，还是对于乘性的服从规则分布（我只测试了poisson分布）的随机信号。当然了，后者的结果当然比不上前者，不过足以超过用于检测的传统方法。个人认为EMD之所以在实际中那么有效，是因为它能处理非平稳、非线性的时间序列。

3 目前对EMD方法的改进分为两个方面，一个是实验层面的，另一个是理论层面的，相对来说，后者少之又少。

a) 前者主要包括是两个部分。实际上，这是大家在利用EMD进行信号分解时采取的一些主观规则。其一是根据对零均值条件的主观理解，使用了不同的方法作为IMF滤波停止条件；其二是利用三次样条计算信号的上、下包络时，根据信号两端的走势，使用了特定的端点延拓方法。当使用EMD进行非平稳和非线性信号分解时，在上述两点上使用不同的规则将导致不同的EMD分解结果。2003年G Rilling等人对Huang的EMD算法进行的改进就属于第一种，个人认为该条件比Huang原来的条件合理。而国内学者诸如2001年邓拥军等提出的神经网络方法、2003年黄大吉等提出的镜像闭合法和极值点延拓法以及2004年刘慧婷等提出的多项式拟合算法等，是属于第二种。至于这两年的研究成果，我还没有整理，呵呵。

b) 后者主要是2004年谌球辉等人提出利用“滑动平均”的方法代替传统的“包络平均”的方法来求出信号的低频。他们试图借助B样条函数已有的良好性质来为建立EMD的数学基础作进一步推进。另外，2006年初黄对EMD算法得到的IMF提出了一个后处理算法（本质上是对IMF进行规范化），其目的是为了更加准确的得到瞬时频率和振幅（个人认为这才是真正的包络和瞬时频率，来京之前我试图从局部意义上来证明这个算法的收敛性，但只得到阶段性结果，最近听说我的一个师弟已经从全局意义上基本上证明出来了，待我回去以后再看看具体成果吧，呵呵），算法的思想是把两者尽量分开，把调幅的影响从调频中脱离出来。该处理方法完全抛弃了Hilbert变换，使得瞬时频率和瞬时振幅更加准确、更有意义

总的来说，EMD乃至HHT虽然有很多缺点，但是也并非一无所用，在理论上的证明和进一步完善需要更多的关注，而在实验中的用处就看你的需要和如何发挥它的潜力了。

经验模态分解 (Empirical Mode Decomposition，EMD)是由美国工程师黄锷于1998年提出的一种信号的时频分析方法，这里的信号指的是时序信号。

常见的时序信号处理方法可以分为三类：时域、频域和时频域。时域分析特征包括均值、方差、峭度、峰峰值等；频域特征包括频率、能量等；而时频域分析有小波变换等。经验模态分解就属于一种时频分析方法。

黄锷认为所有的信号都是由有限个 本征模函数 (Intrinsic Mode Function, IMF )组成。IMF分量包含了原信号的不同时间尺度的局部特征信号。经验模态分解法能使非平稳数据进行平稳化处理，然后进行希尔伯特变换获得时频谱图，得到有物理意义的频率。 [1]

这和快速傅里叶变换(Fast Fourier Transform, FFT)有些像，FFT假设所有信号都是由很多周期性的正弦信号组成，这些信号有着不同的幅频和相位。使用FFT可以将时域信号转换到频域，但EMD分解后的信号还在时域，并且它没有假设信号是周期的且由很多基本的正弦信号组成。 [2]

但是EMD的使用存在一些限制条件：

⑴函数在整个时间范围内，局部极值点和过零点的数目必须相等，或最多相差一个；

⑵在任意时刻点，局部最大值的包络（上包络线）和局部最小值的包络（下包络线） 平均必须为零。

第一条什么意思呢，看看下面的图就明白了，它只能是下面这种情况：

假如我们有如下信号，它是由频率为1hz和4hz的正弦信号叠加而成：

我们发现得到的这个IMF同样满足EMD的两个条件，我们可以对该IMF从第一步开始计算第二个IMF，直到最终得到的信号是一个常数、单调或者只有一个极值为止。

以上就是关于文件类型全部的内容，包括:文件类型、麻烦说说EMD有什么地方不好~、图解经验模态分解(EMD)等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！