完全集成经验模态分解

完全集成经验模态分解

完全集成经验模态分解（Complete Integrated Empirical Mode Decomposition，CEEMDAN）是一种将若干信号分解方法和深度学习技术集成的模型。该模型主要包括带自适应噪声的CEEMDAN、样本熵（SE）、Transformer（TR）和带注意力机制的双向门控循环单元（BiGRU-Attention）。

CEEMDAN算法通过在原始信号中加入正态分布的白噪声，然后将加入白噪声的信号作为一个整体进行EMD分解，得到各个IMF分量。这种方法可以有效地解决传统EMD算法存在的端点效应问题，提高分解的精度和可靠性。

在实际应用中，CEEMDAN算法常被用于故障检测和特征提取等领域。例如，T. R. J. Romero等将CEEMDAN与MUSIC算法相结合，实现了基于瞬态电流和稳态电流的转子断条故障的检测。