1. 研究目的与意义及国内外研究现状

振动信号处理一直以来都是研究的热点，对于设备振动监测和故障诊断都至关重要。近年来，振动信号的处理方法得到了快速发展，但仍需不断改进和完善。虽然振动信号处理的方法有很多，但其局限性和不足也很明显。近年来较为流行的的是经验模态分解和集合经验模态分解等处理方法，但经验模态分解中存在端点效应和模态混叠现象，干扰信号的采样和处理，而集合经验模态分解对于复杂信号的处理则需要借助白噪声等辅助分析，而近年提出的变分模态分解则对于复杂信号具有良好的自适应能力，本文将对于这三种信号处理的方法进行比较，分析各自处理复杂信号的优势与不足。

国内外研究现状

经验模态分解法是黄锷（N. E. Huang）在美国国家宇航局与其他人于1998年创造性地提出的一种新型自适应信号时频处理方法，特别适用于非线性非平稳信号的分析处理。EMD方法在处理非平稳及非线性数据上，具有非常明显的优势,适合于分析非线性、非平稳信号序列，具有很高的信噪比，所以一经提出就在不同的工程领域得到了迅速有效的应用，例如用在海洋、大气、天体观测资料与地震记录分析、机械故障诊断、密频动力系统的阻尼识别以及大型土木工程结构的模态参数识别方面。而EEMD方法实则是对EMA方法的改进，华东师范大学单佩韦利用白噪声辅助分析，针对传统的EMD分解带来的模态混叠问题，验证了EEMD方法的抗混分解能力。而变分模态分解则是近年由Konstantin Dragomiretskiy和Dominique Zosso提出的一种新的信号处理方法，武汉科技大学的刘江利用变模态分解降噪对滚动轴承故障诊断研究发现，基于VMD分解降噪，可以有效分析轴承的故障特征，实现轴承的故障诊断。

2. 研究的基本内容

因为经验模态分解存在端点效应和模态混叠现象，集合经验模态分解需要白噪声辅助进行降噪分析，本文将利用matlab平台进行仿真实验，对一组信号进行降噪处理，先将噪声信号分解，分别利用EMD、EEMD、VMD方法将各参数代入仿真实验中，编写降噪算法和程序，将处理得到的时域图和时频图进行分析比较，得出各方法的优势和不足。

3. 实施方案、进度安排及预期效果

2016.3 第一、二周自行学习emd、eemd、vmd的相关内容，阅读利用这些方法进行振动信号处理分析的相关国内外文献，认识并理解相关参数和适用范围。

2016.3 第三周自行推导和理解相关公式和算法，编写降噪的matlab平台的相关程序，调试准备仿真实验。

2016.3 第四周采用相关复杂信号进行仿真实验，将得出的数据和图像进行整理比较，分析相关性，以及各方法的优势与不足。

4. 参考文献

[1]刘江，吕勇.基于变模式分解降噪的滚动轴承故障诊断研究[j].机械设计与制造，2015,9(10):21--25.

[2]时世晨，单佩韦.基于eemd的信号处理方法分析和实现[j].2011,34(1)：88--90.

[3]周先春，嵇亚婷.基于eemd算法在信号去噪中的应用[j].2014,22(8):12--14.