关键词：经验模态分解；K．L散度；虚假分量；信号处理；油膜涡动
摘 要：经验模态分解（empirical mode decomposition，EMD）以其自适应的滤波特性和多分辨率在很多非线性研究领域得到广泛应用，但在分解过程中常会出现虚假分量。针对此问题，基于信息论的知识提出利用K-L散度（Kullback．Leibler divergence，K—L）的虚假分量识别方法。该方法先将原始信号分解成若干个本征模态函数（intrinsic mode function，imf），再分别计算原始信号与imf分量之间的K-L散度，然后将所求的K-L散度值从小到大排序，对应于较大K-L散度值的imf分量被视为虚假分量，可以去除。实验证明，该方法能够明显地区分出真实信号与虚假分量，准确而快速的得到信号的真实成分，消除虚假分量的影响。