对轴承振动信号做emd分解

emd对信号分解的时候，取1分钟还是1962分钟，总数据就是1962分钟，全过程emd分解，老实说没意义，全过程分解的话，计算机压力还大，按一分钟分解，可以得到19620个IMF，再取平均峭度，取高于平均峭度的做威布尔拟合，太多了，有没有懂得

  • 你可以参考下这个问题的回答, 看看是否对你有帮助, 链接: https://ask.csdn.net/questions/751607
  • 除此之外, 这篇博客: 基于时间序列的回归问题（3）——序列去噪之经验模态分解（EMD）中的 3.2 通过IMF判断求最终 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:

  • 将ｓt与ｍ1（ｔ）相减，得到新序列ｈ1（ｔ）：
    在这里插入图片描述
    对ｈ1(t)进 行 本 征 模 态 函 数 （Ｉｎｔｒｉｎｓｉｃ Ｍｏｄｅ Ｆｕｎｃｔｉｏｎ，ＩＭＦ）判据，判断ＩＭＦ分量的标准为：

    • 1）信号中零点数和极值点数相等或至多相差１个；
    • 2）极大值包络线和极小值包络线的均值相等且为０。

    如果ｈ1(t)不满足上述ＩＭＦ判据，则将ｈ1(t)代替ｓt，重复步骤１）、２），得到新的序列ｈ１１（ｔ）：
    在这里插入图片描述
    根据ＩＭＦ判据，直到式（３）中的ｈ１ｍ（ｔ）（ｍ 代表次数）第一次符合ＩＭＦ条件，记为ｉｍｆ１（ｔ）；与ｓｔ 相减，得到剩余信号：
    在这里插入图片描述
    用ｒ１（ｔ）代替Ｓｔ，重复执行以上步骤，可得到多个ＩＭＦ分 量及最后１个不可分序列，记为趋势项ｒｎ（ｔ）。可将 ＥＭＤ算法表达式记为：
    在这里插入图片描述

  • 以下回答由chatgpt基于相关博客总结生成:

    根据参考资料中的EMD算法，我们可以通过以下步骤解决该问题：

    1. 首先，将1962分钟的振动信号数据划分为不同的时间段，每个时间段的长度为t。我们可以从短到长尝试不同的时间段长度，以找到合适的长度。比如，可以从1分钟开始尝试，逐渐增加时间段长度，直到满足需求为止。

    2. 对每个时间段的振动信号进行EMD分解，得到对应的IMF分量。

    3. 利用IMF判据进行检验，确定每个IMF分量是否满足条件。根据参考资料的描述，IMF分量满足以下条件：

    4. 信号中零点数和极值点数相等或至多相差1个；
    5. 极大值包络线和极小值包络线的均值为0。

    如果某个IMF分量不满足上述条件，则将其代替原始信号，重复步骤2和3，直到找到满足条件的IMF分量。

    1. 重复以上步骤，直到将所有IMF分解出来。

    2. 对每个IMF分量进行进一步的处理，如计算峭度和威布尔拟合等。

    对于简化这个过程的方法或建议，可以考虑以下几点：

    1. 优化EMD算法的实现，以提高计算效率。可以考虑使用并行计算或优化算法的数据结构。

    2. 通过降采样来减少计算压力。可以将振动信号的采样率降低，以减少数据量。

    3. 根据具体需求，可以使用其他的信号处理方法，如小波变换或FFT等，来代替EMD算法进行信号分解。

    如果你需要具体的代码实现，还需要提供振动信号数据的格式和相关的处理要求。