? ? ? ?SGMD（Spectral-Grouping-based Mode Decomposition，基于頻域分組的模態(tài)分解）是一種新型的自適應(yīng)信號(hào)分解方法，可以處理非線性和不平穩(wěn)信號(hào)，并且能夠捕獲信號(hào)的局部特征。該方法通過考慮信號(hào)在頻域分布的規(guī)律性，將信號(hào)分解成多個(gè)子帶，再在每個(gè)子帶內(nèi)進(jìn)行信號(hào)分解，從而實(shí)現(xiàn)了局部分解和全局一致性的平衡。

SGMD方法的主要步驟包括：

1. 將信號(hào)分解為多個(gè)頻帶，通過提取信號(hào)頻域信息實(shí)現(xiàn)自適應(yīng)分解；

2. 在每個(gè)頻帶內(nèi)，使用二維紫外線奇異值分解（UV-SVD）或離散小波變換（DWT）對(duì)信號(hào)進(jìn)行分解；

3. 選取合適的信號(hào)模態(tài)，提取對(duì)應(yīng)的頻帶，并對(duì)不同模態(tài)進(jìn)行加權(quán)重組；

4. 重構(gòu)原始信號(hào)。

? ? ? ?SGMD方法具有較好的信號(hào)分解效果，同時(shí)因?yàn)椴捎昧祟l域分組的方法，可根據(jù)信號(hào)在頻域上的規(guī)律性自適應(yīng)確定分組方式，從而更好地適應(yīng)不同信號(hào)類型和特征。但是，SGMD方法的計(jì)算量較大，并且需要選擇合適的參數(shù)，對(duì)初始分割的效果敏感，分解結(jié)果不夠穩(wěn)定。

原始信號(hào)的組成

SGMD分解的效果圖

具體代碼見：https://mbd.pub/o/bread/mbd-ZJqYmJ5t