專利名稱：：結(jié)構(gòu)化的經(jīng)驗?zāi)B(tài)分解的信號處理方法及其裝置的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種經(jīng)驗?zāi)B(tài)分解的信號處理方法，適用于一維或多維度的數(shù)據(jù)或信號的經(jīng)驗?zāi)B(tài)分解。本發(fā)明的實施例使用人工輔助信號以助極值的搜尋，并在每個迭代過程中進行降頻處理以將消去人工輔助信號與模態(tài)收斂同時進行，可大大降低甚至于避免模態(tài)混迭的發(fā)生，以達成頻帶分解結(jié)果。此外，一實施例提出在適當?shù)慕殿l處理下所分解的模態(tài)與包絡(luò)建構(gòu)方式實質(zhì)上無關(guān)的結(jié)果。根據(jù)本發(fā)明的一方面，提出一種信號處理方法，用以對一輸入信號進行經(jīng)驗?zāi)B(tài)分解。此方法包括如下步驟。結(jié)合一人工輔助信號與此輸入信號，以得到一含人工輔助信號的輸入信號。依據(jù)經(jīng)驗?zāi)B(tài)分解方法，以迭代方式對含人工輔助信號的輸入信號進行分解以得到多個模態(tài)；其中，對每一次迭代過程中的一平均包絡(luò)進行一降頻處理以產(chǎn)生一降頻的平均包絡(luò)；其中各個模態(tài)依據(jù)含人工輔助信號的輸入信號以迭代方式移除降頻的平均包絡(luò)而得。根據(jù)本發(fā)明的另一方面，提出一種信號處理裝置，用以對一輸入信號進行經(jīng)驗?zāi)B(tài)分解。此裝置包括一輸入裝置、一存儲單元、一處理模塊以及一輸出單元。輸入裝置用以讀取輸入信號。存儲單元用以存儲輸入信號的一數(shù)據(jù)信號。處理模塊，用以結(jié)合一人工輔助信號與數(shù)據(jù)信號以得到一含人工輔助信號的輸入信號，并以迭代方式用以對含人工輔助信號的數(shù)據(jù)信號進行經(jīng)驗?zāi)B(tài)分解以得到多個模態(tài)；其中，該處理模塊并對每一次迭代過程中的一平均包絡(luò)進行一降頻處理以產(chǎn)生一降頻的平均包絡(luò)；其中處理模塊依據(jù)含人工輔助信號的輸入信號以迭代方式移除降頻的平均包絡(luò)得到這些模態(tài)。輸出單元用以輸出這模態(tài)。根據(jù)本發(fā)明的另一方面，提出一種信號處理裝置，包括一尋找極值模塊、一平均包絡(luò)模塊、一降頻處理模塊以及一判斷電路。尋找極值模塊接收一第一信號以尋找第一信號的一極大值群與一極小值群。平均包絡(luò)模塊依據(jù)極大值群與極小值群以建立一平均包絡(luò)。降頻處理模塊對平均包絡(luò)進行降頻處理，以建立一降頻的平均包絡(luò)。判斷電路，耦接降頻處理模塊，其中，如果一分量信號滿足一模態(tài)條件，則該判斷電路輸出該分量信號以作為一模態(tài)，其中，分量信號為基于第一信號減去降頻的平均包絡(luò)而得。如果分量信號未能滿足模態(tài)條件，則判斷電路輸出分量信號作為尋找極值模塊的第一信號。為讓本發(fā)明的上述內(nèi)容能更明顯易懂，下文特舉優(yōu)選實施例，并配合附圖，作詳細說明如下圖1繪示一維信號及其依據(jù)傳統(tǒng)的EMD模態(tài)分解所得的模態(tài)。圖2繪示相同的一維信號及其依據(jù)傳統(tǒng)的E-EMD模態(tài)分解所得的模態(tài)。圖3A所示為依據(jù)本發(fā)明的一實施例的一種經(jīng)驗?zāi)B(tài)分解的信號處理方法的流程圖。圖3B所示為依據(jù)本發(fā)明的一實施例的一種經(jīng)驗?zāi)B(tài)分解的信號處理方法。圖4所示為圖3B的步驟340的一實施例。圖5繪示用以作模態(tài)分解的信號處理系統(tǒng)的一實施例的方塊圖。圖6繪示用以作模態(tài)分解的處理模塊的一實施例的方塊圖。圖7繪示用以作模態(tài)分解的篩選模塊的一實施例的方塊圖。圖8所示為一維信號采用本發(fā)明的實施例的結(jié)構(gòu)化經(jīng)驗?zāi)B(tài)分解方法拆解為兩基礎(chǔ)模態(tài)的一例子。圖9示意本發(fā)明的實施例的結(jié)構(gòu)化經(jīng)驗?zāi)B(tài)分解方法進行拓展模態(tài)展開的處理程序。圖10A圖10D示意結(jié)構(gòu)化經(jīng)驗?zāi)B(tài)分解方法的一實施例以說明適當?shù)慕殿l處理能使不同的包絡(luò)曲線具有相近的分解結(jié)果。圖11繪示使用傳統(tǒng)的經(jīng)驗?zāi)B(tài)分解對一腦波信號分解出多個模態(tài)的結(jié)果。圖12繪示使用依據(jù)本發(fā)明的結(jié)構(gòu)化經(jīng)驗?zāi)B(tài)分解方法的一例子對圖11的腦波信號分解出多個模態(tài)的結(jié)果。圖13A至圖23是與圖1至圖12的比較圖，說明圖12的方法與圖11相比的優(yōu)越性(正交性或獨立性)。主要元件符號說明10、20、310397、410、420:步驟500:信號處理系統(tǒng)510:輸入單元520、600:處理模塊530:輸出單元540:存儲單元610:運算裝置620、700:篩選模塊625:降頻處理630:控制模塊710:尋找極值模塊720:平均包絡(luò)模塊730:降頻處理模塊740:判斷電路具體實施例方式本發(fā)明涉及一種經(jīng)驗?zāi)B(tài)分解方法，通過使用人工輔助信號及降頻處理以增進所得到的模態(tài)之間的正交性，并能適用于一維或多維的數(shù)據(jù)或信號的經(jīng)驗?zāi)B(tài)分解。圖3A是為依據(jù)本發(fā)明的經(jīng)驗?zāi)B(tài)分解的信號處理方法的一實施例。如步驟10所示，結(jié)合一人工輔助信號與一輸入信號f^例如是將兩者相加，以得到一含人工輔助信號的輸入信號fA，以助對fA的極值的搜尋。方塊20表示依據(jù)經(jīng)驗?zāi)B(tài)分解方法，以迭代方式對含人工輔助信號的輸入信號fA進行分解以得到多個模態(tài)，其中，每個迭代過程中的平均包絡(luò)進行一降頻處理以產(chǎn)生一降頻的平均包絡(luò)E皿w^，其中，各個模態(tài)依據(jù)含人工輔助信號的輸入信號以迭代方式移除降頻的平均包絡(luò)而得。最后，得到多個模態(tài)IMK，IMFp...，IMFn及Rn。當中，通過降頻處理將消去人工輔助信號與模態(tài)收斂同時進行，以達成頻帶分解結(jié)果及降低甚至避免模態(tài)混迭的發(fā)生。而輸入信號例如代表一維數(shù)據(jù)或信號f^(x)或多維數(shù)據(jù)或信號f^0q，x2，，xn)。在迭代的過程中，降頻處理得當，就可以分解如同傳統(tǒng)的經(jīng)驗?zāi)B(tài)分解(EMD)所獲得的模態(tài)數(shù)量。如果是降頻過大，則可以將數(shù)個分解的模態(tài)進行合并，稱為「基礎(chǔ)模態(tài)」。再者，本發(fā)明的一實施例提出結(jié)構(gòu)化的分解方式，就是先將數(shù)據(jù)分解成數(shù)目較少的「基礎(chǔ)模態(tài)」。之后，再針對應(yīng)用上的需要，針對每一個基礎(chǔ)模態(tài)分別進行「拓展模態(tài)」展開；稍后將再舉實施例以作說明。如此，多維度經(jīng)驗?zāi)B(tài)分解的運算時間可因應(yīng)需要而大為降低并且更有彈性及效率。而無論是否有進一步求得「拓展模態(tài)」，只要具有加入人工輔助信號及降頻處理的步驟以增進所得到的模態(tài)之間的正交性，皆可稱為一種結(jié)構(gòu)化經(jīng)驗?zāi)B(tài)分解(HierarchicalEMD:H-EMD)，并視為依據(jù)本發(fā)明的一種實施例。例如，在本發(fā)明的一實施例中，使用均勻噪聲作為人工輔助信號，并在每個迭代過程中將消去噪聲與模態(tài)收斂同時進行。此實施例中，在每一模態(tài)求得時，只需加一次噪聲，并配合平滑化的過程，即可令高頻部分不會出現(xiàn)在低頻，低頻亦不會隱藏于高頻中，達成頻帶分解結(jié)果。如圖8所示，原始的一維信號是包含一個高頻與低頻的模態(tài)線性組合，采用上述結(jié)構(gòu)化經(jīng)驗?zāi)B(tài)分解拆解后的模態(tài)為兩組MFO與IMF1。相較于如第1及2圖所示的已知方式所得的模態(tài)分解及結(jié)果，圖8的IMFO與IMF1為正確的模態(tài)。請參考圖3B所示的依據(jù)本發(fā)明的一實施例的一種結(jié)構(gòu)化的經(jīng)驗?zāi)B(tài)分解的信號處理方法，可用于多維度經(jīng)驗?zāi)B(tài)分解之中。如圖3B所示，步驟310，讀取一組多維度數(shù)據(jù)；其中，此組多維度數(shù)據(jù)，例如是二維的圖像C[i，j]，其中C[i，j]代表圖像坐標(i，j)處的亮度值；或更廣義的可視多組數(shù)據(jù)或是以不同方式呈現(xiàn)的數(shù)據(jù)或信號，如物理信號、生理信號如心電信號或其他信號，皆可視為一多維信號fINOq，x2，...，xn)。步驟320，結(jié)合一人工輔助信號與此多維信號(或此組多維度數(shù)據(jù))，例如將兩者相加，以形成一含有人輔助信號的多維信號&(或一組含人工輔助信號的多維度數(shù)據(jù)&-)或簡稱一組受輔助的信號(或數(shù)據(jù))。步驟330，尋找此組受輔助的信號fA的一極大值群與一極小值群。步驟340，依據(jù)極大值群與極小值群分別建立一極大值群包絡(luò)Eu與一極小值群包絡(luò)&，并根據(jù)極大值群包絡(luò)Eu與極小值群包絡(luò)以建立一平均包絡(luò)EMEAN。步驟350，對應(yīng)人工輔助信號，對此平均包絡(luò)E,進行一降頻處理，以建立一降頻的平均包絡(luò)EMEAN,FK。步驟360，將此組受輔助的數(shù)據(jù)fA減去降頻的平均包絡(luò)E皿,,FK，以產(chǎn)生一分量信號fe(或一組分量數(shù)據(jù))。步驟370，判斷此分量信號fe是否滿足一模態(tài)條件。如果是，則將此分量信號fe視為一模態(tài)，即本質(zhì)模態(tài)函數(shù)MFk(intrinsicmodefunction)，如步驟377所示，其中，例如，在開始時k設(shè)為0。如果否，如步驟375所示，則以此分量信號fe取代目前的受輔助信號fA，并重復(fù)上述步驟330至375的篩選動作，直至求出符合步驟370的條件的一模態(tài)。在求得一模態(tài)(如方塊377所示)以后，如圖3B所示，繼續(xù)尋找下一模態(tài)。在步驟380中，將含人工輔助信號的輸入信號&減去以上述求得的模態(tài)MF，以得到一組剩余信號Rk，其中在開始時k設(shè)為0。如果此剩余信號Rk在步驟390中判斷其未能滿足一分解停止條件，則如步驟395所示，將此剩余信號Rk取代含人工輔助信號的輸入信號fA據(jù)以從步驟330開始以迭代方式篩選出其另一模態(tài)MFk+1。接著又依上述方式求出又一剩余信號Rk+1，如此，直到至少后續(xù)的一剩余信號Rn滿足分解停止條件為止。值得注意的是，本發(fā)明的實施例并不以上述為限，圖3B的實施例是依據(jù)使用人工輔助信號及進行降頻處理的概念應(yīng)用到EMD為例作說明，至于其他基于經(jīng)驗?zāi)B(tài)分解的分解方法或其他數(shù)據(jù)處理方式，只有具有使用人工輔助信號及進行降頻處理的步驟以增進所得到的模態(tài)之間的正交性，皆可視為依據(jù)本發(fā)明的一種實施例。另外，依據(jù)上述本發(fā)明的方法的實施例，也可以實施為如圖5的用以作模態(tài)分解的一信號處理系統(tǒng)500。信號處理系統(tǒng)500例如為一計算機系統(tǒng)或一信號分析儀，包括一輸入單元510、一處理模塊520、一輸出單元530以及一存儲單元540。輸入單元510用以讀取輸入信號f^-，其可為一維或多維信號(或數(shù)據(jù))。存儲單元540，例如存儲器、硬盤或光盤或各種其他存儲裝置，用以存儲輸入信號fIN為數(shù)據(jù)信號。處理模塊520如微處理器、多核心微處理器或陣列、信號處理器或元件可編程邏輯門陣列(FPGA:FieldProgrammableGateArray)或?qū)俚男酒?，用以結(jié)合一人工輔助信號與上述的數(shù)據(jù)信號以得到一含人工輔助信號的輸入信號fA，并以迭代方式用以對含人工輔助信號的數(shù)據(jù)信號^進行經(jīng)驗?zāi)B(tài)分解以得到多個模態(tài)。在模態(tài)分解的過程中，處理模塊520如圖3A的步驟20或圖3B的步驟350所示，進行一降頻處理產(chǎn)生降頻的平均包絡(luò)以產(chǎn)生模態(tài)。如此，處理模塊520所產(chǎn)生的模態(tài)之間的正交性得以提升。有關(guān)此點，稍后將以實例說明。此外，輸出裝置530，例如是各種顯示器、觸控屏幕或印列裝置，或是各種數(shù)據(jù)輸出界面，用以輸出這些模態(tài)以用作分析上述輸入信號。以觸控屏幕為例，從信號處理系統(tǒng)500如計算機系統(tǒng)或信號分析儀，將如非隱態(tài)、非線性的物理信號作為輸入信號，經(jīng)拆解后的模態(tài)呈現(xiàn)在屏幕之上，以供使用者作分析及觀察之用，例如醫(yī)學的心電圖或圖像分析。此外，在另一例子中，也可從輸入裝置510讀取已存好的輸入數(shù)據(jù)，如二維圖像或一維或二維的數(shù)據(jù)數(shù)據(jù)，作H-EMD處理。在一實施例中，可通過觸控屏幕或輸入界面來控制有關(guān)模態(tài)分解的操作及設(shè)定有關(guān)參數(shù)或條件，又或者決定是否要進行「拓展模態(tài)」展開，如點選一模態(tài)的附圖以產(chǎn)生其拓展模態(tài)。又例如是輸出模態(tài)到其他的單元或裝置或再由處理模塊520作進一步的處理，如輸出到瞬時頻率分析模塊(或處理模塊520)進行希伯特轉(zhuǎn)換(Hilberttransform)，并呈現(xiàn)在屏幕上或輸出結(jié)果。請參考圖6，其為作模態(tài)分解的處理模塊520的另一實施例的方塊圖。在圖6中的處理模塊600包括一運算裝置610及一篩選模塊620。運算裝置610結(jié)合人工輔助信號與上述數(shù)據(jù)信號以得到一組含人工輔助信號的輸入信號4，例如是將兩者相加或后者減去前者，或前者乘以一常數(shù)并與后者相加。例如可以用模擬或數(shù)字的加法器或乘法器或其他運算電路實現(xiàn)，而且，運算裝置610可具有人工輔助信號產(chǎn)生電路，例如是隨機數(shù)或噪聲產(chǎn)生器，或具有能產(chǎn)生人工信號如高頻交替于-1及1變化的脈沖或數(shù)據(jù)。篩選模塊620，耦接到運算裝置610，以迭代方式用以對含人工輔助信號的輸入信號fA進行經(jīng)驗?zāi)B(tài)分解以得到多個模態(tài)，其中篩選模塊620具有降頻處理625的功能。篩選模塊620可以實現(xiàn)為微處理器、專屬的FPGA或其有的邏輯電路或數(shù)字電路的組合。相對地，降頻處理625，如以軟件實現(xiàn)或是硬件方式執(zhí)行。在一些實施例中，降頻處理625可以設(shè)計為針對某一維度及兼?zhèn)樁鄠€維度的降頻功能的電路或軟件，例如針對一維或二維信號，或是能兼?zhèn)樢痪S及二維信號的降頻處理能力。處理模塊600還可包括一控制模塊630，耦接到運算裝置610及篩選模塊620，用以控制運算裝置610及篩選模塊620。在一例子中，控制模塊630例如是邏輯電路或模擬電路，以控制運算裝置610對數(shù)據(jù)信號進行運算，并控制篩選模塊620接收fA—以依照如上述本發(fā)明的方法實施例，進行H-EMD，以進行模態(tài)分解。圖7繪示用以作模態(tài)分解的篩選模塊的一實施例的方塊圖。在圖7中，篩選模塊700例如采用直線式構(gòu)架，包括一尋找極值模塊710、一平均包絡(luò)模塊720、一降頻處理模塊730及一判斷電路740。篩選模塊700所包含的模塊以硬件方式分別達成如圖3B的步驟330、340、350的功能。例如降頻處理模塊730以數(shù)字電路如加法器、乘法器、暫存器或其他邏輯電路，以實現(xiàn)利用加權(quán)平均的多點平滑化處理的一實施例；或以各種模擬或數(shù)字電路如數(shù)字低通濾波器或其他邏輯電路以實現(xiàn)頻譜濾波處理的一實施例。而判斷電路740以數(shù)字電路或模擬電路實現(xiàn)，依據(jù)如步驟370或390的條件，以助迭代運算的完成以求得模態(tài)。例如判斷電路740在收斂條件滿足后，直接輸出模態(tài)，或輸出剩余信號到前端的尋找極值模塊710作為其輸入，再進行下一模態(tài)分解。又例如在尋找模態(tài)的迭代過程中，判斷電路740在分量信號未能滿足模態(tài)條件時，輸出分量信號到前端的尋找極值模塊710作為其輸入。如此的架構(gòu)可以用最少的存儲器空間進行迭代運算，以外還不會受限于分解模態(tài)多寡的限制。當然，上述圖5至圖7的實施例并不是限制依據(jù)H-EMD產(chǎn)生模態(tài)的電路實現(xiàn)方式，本領(lǐng)域技術(shù)人員依照實施例的利用人工輔助信號及降頻處理以增加模態(tài)正交性的概念，當可將上述如圖3A及圖3B的方法的實施例，以可行及合理的方式，更改或利用不同于上述架構(gòu)的硬件方式以作為本發(fā)明的實施例。例如以管線方式或平行處理電路方式來實現(xiàn)H-EMD，亦皆屬本發(fā)明的實施方式。以下舉例說明本發(fā)明上述實施例的(1)如步驟320及330所示，以使用人工輔助信號的數(shù)據(jù)極值的搜尋方法，以及(2)如步驟340至360所示的尋找模態(tài)時，使用降頻處理以使包絡(luò)與噪聲同時收斂的做法。此外，以下將說明如何應(yīng)用圖3A或圖3B所示的實施例以達成(3)結(jié)構(gòu)化模態(tài)分解的方法。本發(fā)明的實施例皆可以應(yīng)用于至一維及拓展至多維度，以下以一維信號與二維多尺度的波紋圖像為實施例說明，其他維度當可類推而得以應(yīng)用。又，本發(fā)明的實施例適合運用在原始信號動態(tài)范圍較差時或是數(shù)據(jù)不連續(xù)，例如灰階圖像僅有256種(如8位)色調(diào)，又或者信號的動態(tài)范圍大，但是極值很難定義的情況之下使用。(1)使用人工輔助信號的數(shù)據(jù)極值的搜尋方法數(shù)據(jù)極值分為極大值與極小值，極值的定義為鄰域的最大值或是最小值。極值定義除了傳統(tǒng)以信號強度(intensity)極值作為定義之外更加入了以信號曲率(curvature)極值為定義。已知的極值搜尋問題在于鄰域比較條件越嚴格，就會錯失應(yīng)該選取的極值。尤其是在原始圖像動態(tài)范圍較差時或是數(shù)據(jù)不連續(xù)，例如方波、平坦等離散信號，根本無法以比較鄰近點來尋找極值。又或者發(fā)生在動態(tài)范圍大，但是極值很難定義的情況之下，例如馬鞍形，波浪的波峰與波谷等區(qū)域。為此，本發(fā)明的一實施例，如上述步驟320所示，加入人工輔助信號以協(xié)助極值搜尋。人工輔助信號的條件為平均值為一常數(shù)(例如零)的任何高頻信號均可，例如噪聲如高斯分布的噪聲、均勻分布的噪聲，又如人工信號-1與1組成的等間距信號或其他平均值為一常數(shù)的高頻信號。在一實例中，是采用均勻分布的噪聲(uniformnoise)。例如，應(yīng)用在二維圖象的模態(tài)分解方法中，加入人工輔助信號可以表示為C_2[i，j]=C_l[i，j]+random[i，j];其中C_l[i，j]及C_2[i，j]分別為原圖像及加入人工輔助信號后的圖像在座標(i，j)處的亮度值，而random為(-a，a)的均勻分布隨機隨機數(shù)，其中a可為整數(shù)。另外random[i，j]的大小可設(shè)為適當?shù)匦∮趫D像C_l的亮度值動態(tài)范圍的數(shù)值，例如為原圖像的亮度值范圍(或信號的振幅范圍大小)的1、2或5%，或15%。加入均勻隨機隨機數(shù)后，進行極值搜尋會變得十分簡單，即使是方波或是平坦處也有分布均勻的極值群。此外，依據(jù)上述二維人工輔助信號的例子，也可進一步推廣到其他維度的應(yīng)用。如步驟330所示，找出已加入人工輔助信號的多維信號的極大值群及極小值群。例如，可采用可以采用多點的鄰域比較以求出極值群，二維鄰域的比較，最簡單的方法為四點搜尋。如針對如圖13A所示的一原始二維圖像進行模態(tài)分解。如果將原始圖象數(shù)據(jù)視的為三維圖像如圖13B所示，其中一點的高度為圖象數(shù)據(jù)的亮度，極值的搜索就是將其中一點與鄰域比較，決定此點是否極值的方法為極大值Qmax=(包含)C—2[i，j]若C—2[i，j]>(C—2[H，j]，C_2[i+1，j]，C_2[i，j-l]，C_2[i，j+1]);極小值Qmin=(包含)C—2[i，j]若C—2[i，j]<(C_2[i_l，j]，C_2[i+1，j]，C_2[i，j-l]，C_2[i，j+l])。其中Qmax為極大值的集合，Qmin為極小值的集合。加入噪聲可以有效輔助尋找極值，而消去噪聲則需要通過在尋找模態(tài)時，采用降頻處理以使包絡(luò)與噪聲同時收斂的作法中進行。(2)尋找模態(tài)時，使用降頻處理以使包絡(luò)與噪聲同時收斂的作法如前節(jié)說明，加入人工輔助信號，如隨機數(shù)，能輔助尋找極值群。而在步驟340中提及包絡(luò)的建立，對于一維度信號或數(shù)據(jù)而言，一例子如使用連接極值的截線來建構(gòu)包絡(luò)。對于多維度數(shù)據(jù)而言，在一實施例中，依據(jù)極值群并采用一物理場(GoverningEquation)來建構(gòu)多維度的包絡(luò)。例如，比較簡單的方法就是利用穩(wěn)態(tài)熱傳方程式(SteadyStateHeatEquation)來建構(gòu)，或是用顯性非穩(wěn)態(tài)差分方程式以建議。將圖像極值群數(shù)據(jù)映射成溫度后，可以用此方程式推估極大值群與及小值群的包絡(luò)，以及一第一平均包絡(luò)，即這個平均包絡(luò)包含原始信號以及外加人工輔助信號造成的干擾，因此必需經(jīng)過干擾濾除程序，也就是如步驟350所代表的降頻處理(frequencyreduction)，以建立一第二平均包絡(luò)，即降頻的平均包絡(luò)E皿w,『依據(jù)本發(fā)明的實施例而言，只要能濾除或減低人工輔助信號的干擾的任何降頻的處理方式都可以用以實施。例如，使用鄰近點加權(quán)平均的平滑化處理，或是頻譜濾波處理。鄰近點加權(quán)平均的平滑化處理，例如是將一信號視為多個點的集合，將之一點的數(shù)個鄰近點，通過加權(quán)平均后，得出這個點新數(shù)值，如此，對此信號每一點作同樣的處理所得到的新數(shù)值視作一次平滑化處理的信號，如此第一次平滑化處理的信號又可以用同樣的平滑化處理方式重復(fù)一次或多次。如以式子表示的一個例子，設(shè)一趨勢載波(也可視為信號或一組數(shù)據(jù))為f(t)，平滑窗戶寬度為2n+l。而平滑化的運算公式為571/(9077/(/(0)=S/(/+/—w)'=i其中Z=1.0'=1接著，多次降頻后的趨勢載波C(t)可表示為C(t)=SMOOTH(T(t)N—1)其中？(t)j=SMOOTH(T(t)J—0T(t)0=SMOOTH(f(t))又例如，對二維數(shù)據(jù)以9點式平滑化處理作為一實施例，以ENVELOPEmax表示為極大值群的包絡(luò)，以ENVELOPEmin表示極小值群的包絡(luò)，ENVELOPEmean而為平均值群的包絡(luò)。如圖15A及圖15B中所示，基于物理場所得的二維數(shù)據(jù)的一曲面(彩色)，其極大值群及極小值群的包絡(luò)分別如圖15A及圖15B中黑色曲面代表的包絡(luò)面。平均包絡(luò)可表示為Cmean=(ENVELOPEmax+ENVELOPEmin)/2針對Cmean的人工噪聲濾除采用9點式平滑化處理，降頻的平均包絡(luò)依以下公式而得ENVELOPEmean[i，j]=(!^Cmean[i-l，j_l]+K2Cmean[i，j_l]+K3Cmean[i+l，j_l]+K4Cmean[i_l，j]+K5Cmean[i，j]+K6Cmean[i+l，j]+K7Cmean[i-l，j+l]+K8Cmean[i，j+l]+K9Cmean[i+l，j+l])/9其中，EK乂9=1.0。例如圖15C中黑色的包絡(luò)是示意圖15A及圖15B中的極大值群及極小值群的包絡(luò)經(jīng)上述平滑化處理后得到降頻的平均包絡(luò)。此外，對于一維信號而言，對于其中一點Pi，可取此點及此點鄰近的兩點，共3點作加權(quán)平均以得到對應(yīng)到此點Pi的平滑化的數(shù)值。而三維信號的一點p(x，y，z)，可取此點及此點鄰近的26點，共27點作加權(quán)平均以得到對應(yīng)此點p(x，y，z)的平滑化的數(shù)值。上述的平滑化的動作可以執(zhí)行N次或是改變平滑窗戶寬度n值，N與n的大小可以任意(N>2，n>1)。也就是說，上述第一次平滑化的平均包絡(luò)ENVELOPEmean[i，j]，可以作為下一次平滑化的平均包絡(luò)的原始數(shù)據(jù)，如是進行N次。例如圖15C的平滑化的平均包絡(luò)的n二1，N=100。而N與n的大小會影響最后分解模態(tài)的多寡。決定N與n值會在下一段「結(jié)構(gòu)化模態(tài)分解程序」的「適當?shù)钠交瘲l件」里進一步說明。另外，頻譜濾波處理也可作步驟350中的降頻處理。例如，針對第一平均包絡(luò)，轉(zhuǎn)換為對應(yīng)的一頻譜，如使用傅立葉轉(zhuǎn)換F(")=FFT(f(t))以求得一多維函數(shù)的頻譜。接著，對此頻譜進行一低通濾波處理(如以LowPassfilter()代表)以得出一濾波后的頻譜；以及對濾波后的頻譜作逆轉(zhuǎn)換(如以IFFT()代表)以得出一降頻后的平均包絡(luò)，上述的關(guān)系可以公式示的C(t)=IFFT(LowPassfilter(F(w)))此外，在步驟340中，提及包絡(luò)的產(chǎn)生，其中的一實施方式，如圖4所示，包括以下步驟。步驟410，通過一對應(yīng)關(guān)系，映射極大值群與極小值群至一物理場中的一物理量以分別得到基于此物理場的極大值群包絡(luò)與極小值群包絡(luò)。步驟420，依據(jù)極大值群包絡(luò)與極小值群包絡(luò)，以求得一基于此物理場的第一平均包絡(luò)。由于上述所得的第一平均包絡(luò)的值為一物理量，例如溫度，故此，在步驟350中，經(jīng)過降頻處理后，需要依據(jù)上述的對應(yīng)關(guān)系，還原為一第二平均包絡(luò)，使其數(shù)值能與原始的多維度數(shù)據(jù)一致，例如是像素值，例如5(TC轉(zhuǎn)換成圖像亮度50。當然，如果是將像素值直接對應(yīng)到物理量的數(shù)值，例如像素值0至255直接對物理量0至255(如t:)的話，就不必對兩者作出轉(zhuǎn)換的動作。上述映射步驟410例如以線性關(guān)系方式將極大值群與極小值群值對應(yīng)至物理場中的物理量，以分別得到基于物理場的極大值群包絡(luò)與極小值群包絡(luò)，例如亮度128可以視為128°C。物理場為一熱場，而物理量為熱場中的一溫度值。例如，物理量場的變化關(guān)系為一熱場方程式，表示一熱場中隨空間的溫度分布變化，即熱場分布，并滿足熱場的計算方程式Ut=a(Uxx+Uyy+Uzz)(方程式)至于利用方程式計算熱分布的方法，例如首先將尋找到的極大值，放入數(shù)學矩陣運算。這里舉例使用教科書里的熱力學數(shù)值演算法-有限差分法(finitedifferencemethod)，迭代至溫度穩(wěn)定收斂止。另外，可以用穩(wěn)態(tài)的熱力學方程式直接由矩陣求解，加速求得熱場的分布。如圖15A為在二維數(shù)據(jù)里尋找到的極大值的示意圖，其中僅有數(shù)個已知的點與溫度(它們是數(shù)據(jù)的極大值)，原本的附圖以不同顏色代表不同溫度。利用熱力學物量場的方程式，就是把圖15A僅有的信息(極值)，計算出每一個位置都有溫度分布的場。此外，包絡(luò)與噪聲同時收斂時，必需要有收斂條件，S卩如步驟370所示，判斷模態(tài)條件是否滿足，又如步驟390所示，判斷分解條件是否滿足。上述這些條件例如為有關(guān)平均包絡(luò)的信號(如分量信號或剩余信號)的標準差小或約等于某個要求的門限。例如，此門限為數(shù)據(jù)的最小解析單位或數(shù)據(jù)的有效單位為佳。例如HEMD分解的數(shù)據(jù)信號為8位的圖像，數(shù)據(jù)范圍為0至255(256等分)則可取1.0作為門限值。前述本發(fā)明的結(jié)構(gòu)化經(jīng)驗?zāi)B(tài)分解利用人工輔助信號及降頻處理能提升分解的模態(tài)的正交性，現(xiàn)在舉一實例以說明其效果。圖11為繪示使用傳統(tǒng)的總體經(jīng)驗?zāi)B(tài)分解對一腦波信號HEEG分解出6個模態(tài)IMFOIMF5的結(jié)果。而圖12為依據(jù)本發(fā)明的結(jié)構(gòu)化經(jīng)驗?zāi)B(tài)分解的一實施例對腦波信號HEEG分解出4個模態(tài)IMFOIMF3及殘余函數(shù)R3的結(jié)果。還進一步，分別針對第11及12圖的模態(tài)，計算其相關(guān)性(correlation)，得列表如下<table>tableseeoriginaldocumentpage14</column></row><table><table>tableseeoriginaldocumentpage15</column></row><table>表1<table>tableseeoriginaldocumentpage15</column></row><table>表2從表1中可以看到，在此例子中，利用E-EMD所得到的模態(tài)之間，仍然有模態(tài)混雜的現(xiàn)象，例如頂F1至殘差的兩相鄰的相關(guān)系數(shù)分別為0.2554、0.39、0.42、0.428、0.265及0.227，而殘差與其模態(tài)之間的相關(guān)性亦有約0.227至O.765之間。而從表2中則可以發(fā)現(xiàn)，利用H-EMD所得的模態(tài)之間，有較高的正交性，IMF1至殘差的兩相鄰的相關(guān)系數(shù)分別為0.041、0.032、0.041、-0.00051，而殘差與其模態(tài)之間的相關(guān)性的大小都在0.03以下。由上述的例子可以說明，本發(fā)明的結(jié)構(gòu)化經(jīng)驗?zāi)B(tài)分解的實施例，能有效的解決已知技術(shù)的模態(tài)混雜的問題，提升模態(tài)之間的正交性。(3)結(jié)構(gòu)化模態(tài)分解程序過去的模態(tài)分解，不管是EMD或是EEMD，都是將模態(tài)逐一分解后，再根據(jù)頻譜的分布決定濾波。依據(jù)本發(fā)明的實施例，提出結(jié)構(gòu)化模態(tài)分解的概念，就是先將數(shù)據(jù)分解成極少的「基礎(chǔ)模態(tài)」(例如，通常25個)，之前再針對應(yīng)用或分析上的需要，針對每一個基礎(chǔ)模態(tài)分別進行「拓展模態(tài)」展開。例如圖14A是將三種已知不同空間尺度的模態(tài)迭加，作為原始圖文件供本發(fā)明的實施例的結(jié)構(gòu)化模態(tài)分解(H-EMD)作測試之用。圖14B至圖14D為經(jīng)H-EMD分解后的三種模態(tài)，測試完全正確。如上節(jié)說明，平均包絡(luò)的平滑動作執(zhí)行「N」次與平滑視窗寬度n。N與n越大會造成基礎(chǔ)模態(tài)越少，反之N越小則基礎(chǔ)模態(tài)越多。當使用適當?shù)钠交瑮l件，可以達到如傳統(tǒng)EMD的分解。當過度的平滑化時，就可以利用結(jié)構(gòu)化的分解程序展開以拓展模態(tài)。至于適當?shù)钠交瑮l件會在下節(jié)說明。當設(shè)定N次平滑與平滑視窗寬度n后，獲得的基礎(chǔ)模態(tài)為m(整數(shù))個，分別為IMF1IMFm。需要拓展模態(tài)時，可以采用相同的方法將IMF1IMFm逐一分解，并可依據(jù)如圖3A或圖3B所示的信號處理方法針對每一個基礎(chǔ)模態(tài)再進行拆解，以求得其拓展模態(tài)。因此每一個基礎(chǔ)模態(tài)可以獲得s個第一拓展模態(tài)如IMFllIMFls，IMF21IMF2s，...，IMFmlIMFms，其中m及s為大于1的整數(shù)。同理，第一拓展模態(tài)，可以再使用平均包絡(luò)的平滑動作執(zhí)行為「N/4」次，尋找第二拓展模態(tài)。如圖9的示意的方式，原始輸入信號如多維度數(shù)據(jù)，先經(jīng)結(jié)構(gòu)化的經(jīng)歷模態(tài)分解，求得基礎(chǔ)模態(tài)頂F1IMF3，之后，再按需要再依據(jù)基礎(chǔ)模態(tài)IMF1求得其拓展模態(tài)IMF11及IMF12，其他情況，可依此類推。適當?shù)钠交瘲l件以下進一步討論獲得適當?shù)钠交璧臈l件。設(shè)趨勢載波為f(t)，平滑窗戶寬/入二0103]0104]度2n+l,而鄰近點加權(quán)平均的平滑的運算公式為<formula>formulaseeoriginaldocumentpage16</formula>0106]0107]0108]0109]其中J]w,=1.0根據(jù)傅立葉(Fourier)分析<formula>formulaseeoriginaldocumentpage16</formula>平滑一次，平滑視窗2n+l后的信號可以表示成<formula>formulaseeoriginaldocumentpage16</formula>0111]或者改寫成0112]<formula>formulaseeoriginaldocumentpage16</formula>0113]<formula>formulaseeoriginaldocumentpage16</formula>可見平滑一次后的信號與原始信號組成頻譜相同，只差在高頻部分有衰減發(fā)生c在此例子中，就是利用此衰減的強度來控制適當平滑化與否的條件。0114]0115]如果是執(zhí)行平滑化N次后/(0=ZF(。,，n,N)(。,cos+^sinw力0116]其中衰減方程式<formula>formulaseeoriginaldocumentpage16</formula>0117]適當?shù)钠交瑮l件為N〈4，平滑視窗n必需通過計算得到。義衰減的強度，建議為5%60%。以此實施例為10%或是0.l，Nn的正確計算必需先定=3時，衰減方程式為「]廣("i)/20.1=—、wV"i1+2Zcos2;r/rw0.5此處，"=^"連續(xù)兩極值間距求得上述方程式的平滑視窗大小n值即可。該衰減方程式的求解可以參考數(shù)值分析里最簡單的梯度堪根原理即可。如果是超過此n值或是N>3則會有基礎(chǔ)模態(tài)出現(xiàn)，反之則如傳統(tǒng)EMD分解。如此，如果能采用適當?shù)臈l件執(zhí)行此降頻處理，可以讓不同的包絡(luò)線(面)實質(zhì)上都有相同的分解結(jié)果。例如第IOA至10D圖所示的波形圖，為將一原始的信號分別使用H-EMD及EMD，并采用兩種不同包絡(luò)線的模態(tài)分解結(jié)果以驗證H-EMD上述與包絡(luò)線(面)實質(zhì)上無關(guān)的特性，其中原始信號為四個不同的波形C1C4相加所合成的信號。采用H-EMD作分模態(tài)分解，并分別采用直線與三次曲線(cubicspline)作為包絡(luò)線，經(jīng)平滑化處理，分別得出實質(zhì)上相同的兩組各四個模態(tài)頂F1IMF4并與原始信號的成分波形ClC4幾乎重迭在一起。相較之下，采用傳統(tǒng)EMD作模態(tài)分解，并分別采用直線與三次曲線作為包絡(luò)線，則其分別得出兩組不同的四個模態(tài)頂F1IMF4。如第10B、10C及10D圖所示，虛線E2、E3及E4分別為采用EMD及直線包絡(luò)所得的MF2、MF3、MF4。而采用EMD及三次曲線包絡(luò)，基本上與ClC4實質(zhì)上同相。如此，借由上述例子亦道出傳統(tǒng)EMD的模態(tài)的不隱定性，即包絡(luò)的取法不同影響著模態(tài)的結(jié)果不同。如此，傳統(tǒng)EMD難以找出一致性的模態(tài)，并不合適于推廣到多維度信號的應(yīng)用。對于本申請的H-EMD的實施例，上述圖IOA至10D的驗證結(jié)果的意義為若能采用適當?shù)臈l件執(zhí)行此降頻處理，H-EMD的實施例可以讓不同的包絡(luò)線(面)實質(zhì)上都有相同的分解結(jié)果，如此模態(tài)的分解更有穩(wěn)定性，并與包絡(luò)的形式實質(zhì)上無關(guān)。故此，在H-EMD中，采用較為單純的包絡(luò)線如直線，與目前一維信號的EMD中公認最好的三次曲線作為包絡(luò)的模態(tài)分解結(jié)果，是實質(zhì)上是相同的。如此，在模態(tài)的產(chǎn)生上，具有一致性及穩(wěn)定性，并合適于推廣到多維度的應(yīng)用。如上述二維的包絡(luò)面的建構(gòu)，亦只是例子而已，如果能適當?shù)膱?zhí)行此降頻處理，則與此包絡(luò)面建構(gòu)的方式無關(guān)。其他H-EMD的應(yīng)用例子在大部分的應(yīng)用，都只需要基礎(chǔ)模態(tài)即可。因此此結(jié)構(gòu)化模態(tài)分解可以增加使用效率，同時也簡化應(yīng)用(不用在眾多模態(tài)中挑選、合并與去除需要的數(shù)據(jù))。例如在一維的信號(心電圖)以H-EMD分解成三個基礎(chǔ)模態(tài)，通常第三個基礎(chǔ)模態(tài)是信號的背景，扣除第三基礎(chǔ)模態(tài)后的心電圖可以作為信號飄移濾除，例如圖16所示。例如在疑似鈣化腫瘤的超音波灰階圖像(8Bits)(如圖17A所示)，以H-EMD分解成三個基礎(chǔ)模態(tài)，通常第一與第二模態(tài)為超音波的噪聲(noise)與原本斑塊(speckles)，保留第三基礎(chǔ)模態(tài)可以呈現(xiàn)可能的鈣化點，如圖17B所示。此外，請參附件6及7，其是本發(fā)明的實施例的結(jié)構(gòu)化模態(tài)分解的方法與已知的EMD方法比較結(jié)果。圖18的(a)是原始信號為8位的布紋圖像。采用本發(fā)明上述實施例的H-EMD拆解后的基礎(chǔ)模態(tài)為(b)(c)(d)。采用已知E-EMD拆解后的模態(tài)為(e)(h)。很明顯的，H-EMD模態(tài)分解比較完整，紋里解析度完全根據(jù)高、中、低分解。圖19為比較H-EMD、NL-EMD及E-EMD的一例子，原始圖像為8位灰階(最左上角的圖像)，采用H-EMD拆解后的模態(tài)(上層右邊的3張畫面)的混迭最少，空間尺度分離最佳，畫質(zhì)最平滑，其MFO與MF1完全為正確模態(tài)。采用NL-EMD拆解的畫面(中層的3張畫面)平整，但是模態(tài)混迭嚴重。采用E-EMD的分解的畫面(下層的3張畫面)雖然模態(tài)混迭較少，空間尺度分離尚可，但是灰點雜陳與畫面不平整。而物理信號或生物信號當可視為二維信號(如圖像)并利用H-EMD作出分析。如圖20為心電圖隨每次心跳改變呈現(xiàn)為三維曲面的一例子。圖21的最上方的一圖像為將圖20的心電圖視為二維信號的一例子，其中時間及心跳數(shù)視為自變量，而電壓大小視為變量以亮量代表，及后的三個圖像分別為經(jīng)H-EMD拆解后得出的三個模態(tài)。Rwave發(fā)生在第二個模態(tài)中。此外，H-EMD能應(yīng)用到三維信號的模態(tài)分解。如圖22為三維的爆炸波的一例子，其顏色代表不同的壓力擴散的大小。圖22為已知的兩爆炸波的公式Wavei及Wave2結(jié)合后以三維方式呈現(xiàn)的示意圖。waVei及WaVe2分別為<formula>formulaseeoriginaldocumentpage18</formula>圖22的波形的數(shù)據(jù)用H-EMD作模態(tài)分解以測試其結(jié)果是否與已知的兩爆炸波的公式吻合。圖23為三維的H-EMD的例子，其中第一列的四張圖像為圖22的爆炸波的剖面圖，相對于上述四張剖面圖，經(jīng)三維的H-EMD拆解后分別得出第二列的四張圖像代表模態(tài)MF0，第三列的四張圖像為模態(tài)MF1。上述結(jié)果與依據(jù)已知公式wav^及wave2的波型的成分符合，為正確的模態(tài)。本發(fā)明實施例還公開一種計算機或運算裝置可讀式信息存儲介質(zhì)，其上存儲有程序代碼或一個或多個程序模塊，此程序代碼可用于執(zhí)行本發(fā)明實施例的H-EMD的方法。本實施例的計算機可讀式信息存儲介質(zhì)比如但不受限于，光學式信息存儲介質(zhì)，磁式信息存儲介質(zhì)或存儲器，如存儲卡、固件或ROM或RAM。上述公開了結(jié)構(gòu)化的經(jīng)驗?zāi)B(tài)分解的信號處理方法及信號處理裝置的實施例，以下試舉部分實施例的優(yōu)點說明如下(1)能解決模態(tài)混迭的問題。在實施例中，在對一多維數(shù)據(jù)(或多維信號)進行經(jīng)驗?zāi)B(tài)分解時，結(jié)合人工輔助信號到此多維數(shù)據(jù)之中以助極值的搜尋，并在每個迭代過程中進行降頻處理以將消去人工輔助信號與模態(tài)收斂同時進行，以達成頻帶分解結(jié)果及降低甚至避免模態(tài)混迭的發(fā)生。(2)再者，一實施例提出結(jié)構(gòu)化的分解方式，就是先將數(shù)據(jù)分解成數(shù)目較少的「基礎(chǔ)模態(tài)」。之后，再針對應(yīng)用上的需要，針對每一個基礎(chǔ)模態(tài)分別進行「拓展模態(tài)」展開。如此，多維度經(jīng)驗?zāi)B(tài)分解的運算時間可因應(yīng)需要而大為降低并且更有彈性及效率。例如，依據(jù)本發(fā)明的一實施例的實例測試，能產(chǎn)生比傳統(tǒng)的EEMD快數(shù)十倍的結(jié)果，而且又是結(jié)構(gòu)化設(shè)計，實際使用上更有彈性。(3)又一實施例提出適當?shù)慕殿l處理下所分解的模態(tài)與包絡(luò)建構(gòu)方式實質(zhì)上無關(guān)。綜上所述，雖然本發(fā)明已以優(yōu)選實施例公開如上，然其并非用以限定本發(fā)明。本發(fā)明所屬領(lǐng)域技術(shù)人員，在不脫離本發(fā)明的精神和范圍內(nèi)，當可作各種的更動與潤飾。因此，本發(fā)明的保護范圍當視所附權(quán)利要求書所界定者為準。權(quán)利要求一種信號處理方法，用以對一輸入信號進行經(jīng)驗?zāi)B(tài)分解，該方法包括結(jié)合一人工輔助信號與該輸入信號，以得到一含人工輔助信號的輸入信號；依據(jù)經(jīng)驗?zāi)B(tài)分解方法(EmpiricalModeDecomposition)，以迭代方式對該含人工輔助信號的輸入信號進行分解以得到多個模態(tài)；其中，對每一次迭代過程中的一平均包絡(luò)進行一降頻處理以產(chǎn)生一降頻的平均包絡(luò)；其中各個這些模態(tài)依據(jù)該含人工輔助信號的輸入信號以迭代方式移除該降頻的平均包絡(luò)而得。2.如權(quán)利要求1所述的方法，其中，該人工輔助信號為一隨機信號或是一頻率信號，該降頻處理是一多點平滑化處理，其中，該人工輔助信號會增進這些模態(tài)的正交性；輸出這些模態(tài)，其中這些模態(tài)代表該輸入信號的多個基本模態(tài)，用以分析該輸入信號的變化。3.如權(quán)利要求2所述的方法，其中，該多點平滑化處理包括對該平均包絡(luò)的一點p及該點P的鄰近的多個點作加權(quán)平均，以求得對應(yīng)到該點P的一第一次平滑化的平均包絡(luò)的一點。4.如權(quán)利要求3所述的方法，其中，該多點平滑化處理還進一步對該第一次平滑化的平均包絡(luò)重復(fù)上述步驟以得出一第二次平滑化的平均包絡(luò)，其中，該多點平滑化處理重復(fù)上述步驟以得出一第N次平滑化的平均包絡(luò)以作為該降頻的平均包絡(luò)，其中平滑化的次數(shù)N大于2的整數(shù)。5.如權(quán)利要求4所述的方法，其中，得到的這些模態(tài)的數(shù)量依據(jù)平滑次數(shù)N與平滑視窗大小而決定。6.如權(quán)利要求4所述的方法，其中，該方法還包括針對得到的這些模態(tài)的一模態(tài)以視為該含人工輔助信號的輸入信號，再次執(zhí)行第1項的信號處理方法以求得相對應(yīng)的多個拓展模態(tài)，其中，針對該模態(tài)所執(zhí)行的平滑化處理的次數(shù)為該模態(tài)得到時所用的平滑化處理的次數(shù)的一半。7.如權(quán)利要求1所述的方法，其中，該降頻處理是一頻譜濾波處理。8.如權(quán)利要求7所述的方法，其中，該頻譜濾波處理包括針對該平均包絡(luò)，轉(zhuǎn)換為對應(yīng)的一頻譜；對該頻譜進行一低通濾波以得出一濾波后的頻譜；以及對該濾波后的頻譜作逆轉(zhuǎn)換以得出一降頻后的平均包絡(luò)。9.如權(quán)利要求1所述的方法，其中，該人工輔助信號為一平均值為一常數(shù)的高頻信號。10.如權(quán)利要求9所述的方法，其中，該人工輔助信號為一高斯分布噪聲或一均勻分布的噪聲。11.如權(quán)利要求9所述的方法，其中，該人工輔助信號為一等間距信號。12.如權(quán)利要求1所述的方法，其中，以迭代方式對該含人工輔助信號的輸入信號進行分解的每一次迭代，包括依據(jù)該含人工輔助信號的輸入信號，尋找一極大值群與一極小值群；依據(jù)該極大值群與該極小值群分別建立一極大值群包絡(luò)與一極小值群包絡(luò)；根據(jù)該極大值群包絡(luò)與該極小值群包絡(luò)以建立一平均包絡(luò)；對該平均包絡(luò)進行該降頻處理，以建立一降頻的平均包絡(luò)；從該含人工輔助信號的輸入信號減去該降頻的平均包絡(luò)，以產(chǎn)生一分量信號；其中，如果該分量信號滿足一模態(tài)條件，則將該分量信號視為所求之一模態(tài)；其中，如果該分量信號未能滿足該模態(tài)條件，則將該分量信號視為該含人工輔助信號的輸入信號以進行另一次迭代，直至與后續(xù)至少一次迭代所對應(yīng)的一分量信號滿足該模態(tài)條件時，后續(xù)的該次迭代所對應(yīng)的該分量信號為所求的一模態(tài)。13.如權(quán)利要求12所述的方法，其中，以迭代方式對該含人工輔助信號的輸入信號進行分解的步驟，還包括將原始的該含人工輔助信號的輸入信號減去以上述迭代方式所求得的一模態(tài)，以得到一剩余信號；如果該剩余信號未能滿足一分解停止條件，則將該剩余信號視為該含人工輔助信號的輸入信號并據(jù)此進行另一次迭代，直至與后續(xù)至少一次迭代所對應(yīng)的一模態(tài)滿足該分解停止條件為止。14.如權(quán)利要求12所述的方法，其中，建立一極大值群包絡(luò)與一極小值群包絡(luò)的該步驟包括將該極大值群與該極小值群映射為一物理場中的一物理量并依據(jù)該物理場中該物理量的一變化關(guān)系，分別得到基于該物理場的該極大值群包絡(luò)與該極小值群包絡(luò)。15.如權(quán)利要求14所述的方法，其中，該物理場為一熱場，而該物理量為該熱場中的溫度值。16.如權(quán)利要求14所述的方法，其中，該物理場的變化關(guān)系為一熱場方程式。17.如權(quán)利要求1所述的方法，其中，該輸入信號是為一多維信號或數(shù)據(jù)。18.如權(quán)利要求17所述的方法，其中，該輸入信號是為一多維的圖像信號或?qū)?yīng)至物理量測的一多維信號。19.一種信號處理裝置，用以進行經(jīng)驗?zāi)B(tài)分解，該裝置包括一輸入裝置，用以讀取一輸入信號；一存儲單元，用以存儲該輸入信號的一數(shù)據(jù)信號；一處理模塊，用以結(jié)合一人工輔助信號與該數(shù)據(jù)信號以得到一含人工輔助信號的輸入信號，并以迭代方式用以對該含人工輔助信號的數(shù)據(jù)信號進行經(jīng)驗?zāi)B(tài)分解以得到多個模態(tài)；其中，該處理模塊并對每一次迭代過程中的一平均包絡(luò)進行一降頻處理以產(chǎn)生一降頻的平均包絡(luò)；其中該處理模塊依據(jù)該含人工輔助信號的輸入信號以迭代方式移除該降頻的平均包絡(luò)得到這些模態(tài)；一輸出單元，用以輸出這些模態(tài)。20.如權(quán)利要求19所述的裝置，其中，該降頻處理是一多點平滑化處理。21.如權(quán)利要求20所述的裝置，其中，該處理模執(zhí)行該多點平滑化處理，對該平均包絡(luò)的一點P及該點P的鄰近的多個點作加權(quán)平均，以求得對應(yīng)到該點P的一第一次平滑化的平均包絡(luò)的一點。22.如權(quán)利要求21所述的裝置，其中，該處理模執(zhí)行該多點平滑化處理還進一步對該第一次平滑化的平均包絡(luò)重復(fù)上述運作以得出一第二次平滑化的平均包絡(luò)，其中，該多點平滑化重復(fù)上述運作以得出一第N次平滑化的平均包絡(luò)以作為該降頻的平均包絡(luò)，其中平滑化動的次數(shù)N是大于2的整數(shù)。23.如權(quán)利要求22所述的裝置，其中，該信號處理裝置還用以針對得到的這些模態(tài)的一模態(tài)以視為該含人工輔助信號的輸入信號，以迭代方式用以對該模態(tài)進行經(jīng)驗?zāi)B(tài)分解以得到相對應(yīng)的多個拓展模態(tài)，其中，該處理模塊針對該模態(tài)所執(zhí)行的平滑化處理的次數(shù)為該模態(tài)得到時所用的平滑化處理的次數(shù)的一半。24.如權(quán)利要求19所述的裝置，其中，該降頻處理是一頻譜濾波處理。25.如權(quán)利要求24所述的裝置，其中，該處理模執(zhí)行該頻譜濾波處理，以針對該平均包絡(luò)，轉(zhuǎn)換為對應(yīng)的一頻譜，并對該頻譜進行一低通濾波以得出一濾波后的頻譜；以及對該濾波后的頻譜作逆轉(zhuǎn)換以得出一降頻后的平均包絡(luò)。26.如權(quán)利要求19所述的裝置，其中，該人工輔助信號為一平均值為一常數(shù)的高頻信號。27.如權(quán)利要求26所述的裝置，其中，該人工輔助信號為一高斯分布噪聲或一均勻分布的噪聲。28.如權(quán)利要求19所述的裝置，其中，該處理模塊包括一運算裝置，用以加入一人工輔助信號至該數(shù)據(jù)信號中以得到一含人工輔助信號的輸入信號；一篩選模塊，耦接到該運算裝置，以迭代方式用以對該含人工輔助信號的輸入信號進行經(jīng)驗?zāi)B(tài)分解以得到多個模態(tài)。29.如權(quán)利要求28所述的裝置，其中，該處理模塊還包括一控制模塊，耦接到該運算裝置及該篩選模塊，用以控制該運算裝置及該篩選模塊以使該篩選模塊產(chǎn)生這些模態(tài)。30.如權(quán)利要求19所述的裝置，其中，該輸出模塊包括一顯示器，用以呈現(xiàn)這些模態(tài)。31.—種信號處理裝置，用以進行經(jīng)驗?zāi)B(tài)分解，該裝置包括一尋找極值模塊，接收一第一信號以尋找該第一信號的一極大值群與一極小值群；一平均包絡(luò)模塊，依據(jù)該極大值群與該極小值群以建立一平均包絡(luò)；一降頻處理模塊，對該平均包絡(luò)進行降頻處理，以建立一降頻的平均包絡(luò)；一判斷電路，耦接該降頻處理模塊，其中，如果一分量信號滿足一模態(tài)條件，則該判斷電路輸出該分量信號以作為一模態(tài)，其中，該分量信號為基于該第一信號減去該降頻的平均包絡(luò)而得；其中，如果該分量信號未能滿足該模態(tài)條件，則該判斷電路輸出該分量信號作為該尋找極值模塊的第一信號。32.如權(quán)利要求31所述的裝置，其中，如果該分量信號未能滿足該模態(tài)條件，則該判斷電路輸出該分量信號作為該尋找極值模塊的第一信號以尋找對應(yīng)的一極大值群與一極小值，直至與后續(xù)至少一分量信號滿足該模態(tài)條件時，該分量信號為所求的一模態(tài)。33.如權(quán)利要求31所述的裝置，還包括一運算裝置，該運算電路用以將一輸入信號與一人工輔助信號結(jié)合，以輸出該第一信號。34.如權(quán)利要求33所述的裝置，其中，該人工輔助信號為一平均值為一常數(shù)的高頻信號或一高斯分布噪聲或一均勻分布的噪聲。35.如權(quán)利要求31所述的裝置，其中，該降頻處理是一多點平滑化處理。36.如權(quán)利要求35所述的裝置，其中，該處理模執(zhí)行該多點平滑化處理，對該平均包絡(luò)的一點P及該點P的鄰近的多個點作加權(quán)平均，以求得對應(yīng)到該點P的一第一次平滑化的平均包絡(luò)的一點。37.如權(quán)利要求31所述的裝置，其中，該降頻處理是一頻譜濾波處理。38.如權(quán)利要求37所述的裝置，其中，該處理模執(zhí)行該頻譜濾波處理，以針對該平均包絡(luò)，轉(zhuǎn)換為對應(yīng)的一頻譜，并對該頻譜進行一低通濾波以得出一濾波后的頻譜；以及對該濾波后的頻譜作逆轉(zhuǎn)換以得出一降頻后的平均包絡(luò)。全文摘要結(jié)構(gòu)化的經(jīng)驗?zāi)B(tài)分解的信號處理方法及其裝置。本發(fā)明的實施例，在對一輸入信號進行經(jīng)驗?zāi)B(tài)分解時，結(jié)合一人工輔助信號與輸入信號以助極值的搜尋，并在每個迭代過程中進行降頻處理以將消去人工輔助信號與模態(tài)收斂同時進行，以避免模態(tài)混迭的發(fā)生。再者，本發(fā)明的一實施例提出結(jié)構(gòu)化的分解方式，先將信號分解成數(shù)目較少的「基礎(chǔ)模態(tài)」。之后，再針對應(yīng)用上的需要，針對一個基礎(chǔ)模態(tài)分別進行「拓展模態(tài)」展開。在一實施例中，結(jié)構(gòu)化的經(jīng)驗?zāi)B(tài)分解在適當?shù)慕殿l處理下所分解的模態(tài)與包絡(luò)建構(gòu)方式實質(zhì)上無關(guān)，并能應(yīng)用到多維信號分解。文檔編號G06F17/14GK101782895SQ201010000488公開日2010年7月21日申請日期2010年1月11日優(yōu)先權(quán)日2009年1月12日發(fā)明者包舜華,曾千倫申請人:財團法人工業(yè)技術(shù)研究院