? ? ? EEMD（Empirical Mode Decomposition，經(jīng)驗(yàn)?zāi)B(tài)分解）是一種基于信號本身特征分解的信號處理方法。它將信號分解成一系列本征模態(tài)函數(shù)（Intrinsic Mode Functions，IMF）的線性組合，這些IMF函數(shù)具有不同的時(shí)間尺度和頻率特征，可以反映信號在不同時(shí)間尺度和頻率上的本質(zhì)特征。

? ? ? EEMD方法可以對非線性和非平穩(wěn)信號進(jìn)行有效處理，常用于信號降噪、預(yù)測分析、模式識別等領(lǐng)域。EEMD與傳統(tǒng)的EMD方法相比，可以消除因噪聲和采樣誤差對分解結(jié)果的影響，提高了分解的準(zhǔn)確性和穩(wěn)定性。

EEMD的具體實(shí)現(xiàn)步驟如下：

1. 將原始信號加入隨機(jī)噪聲（干擾）得到多次實(shí)驗(yàn)信號。

2. 對每個(gè)實(shí)驗(yàn)信號進(jìn)行EMD分解，并得到一組IMF函數(shù)。

3. 將每個(gè)IMF函數(shù)進(jìn)行平均，得到平均IMF函數(shù)。

4. 對平均IMF函數(shù)進(jìn)行EMD分解，并得到一組平均IMF函數(shù)的IMF函數(shù)。

5. 按照3-4步驟反復(fù)迭代，直到得到的IMF函數(shù)的數(shù)量不再增加。

? ? ?經(jīng)過EEMD分解后，可以對不同的IMF函數(shù)進(jìn)行分析和處理，例如可以對噪聲成分進(jìn)行過濾、對信號的長期和短期趨勢進(jìn)行分離等。

（1）原始信號的組成

（2）EEMD效果

相關(guān)代碼見：https://mbd.pub/o/KYXB/work