经验模态分解

经验模态分解(EMD)是一种数据自适应的多分辨率技术，它将信号分解为物理上有意义的分量。EMD可以用来分析非线性和非平稳信号，将它们分解成不同分辨率的分量。经验模态分解的一些常见应用是在轴承故障检测、生物医学数据分析、功率信号分析和地震信号等领域。

经验模态分解可用于在时域内进行时频分析。这些分量与原始信号在同一时间尺度上，这使得它们更容易分析。与其他多分辨率分析(MRA)技术(如小波分析)不同，经验模态分解递归地从数据本身提取不同的分辨率，而不使用固定的函数或滤波器。

另一种解释EMD的方法是将一个信号视为一个快速振荡叠加在一个较慢振荡上。在提取快振荡后，EMD算法将剩余的慢振荡分量视为新信号，再次将其视为快振荡叠加在慢振荡上。该算法继续执行，直到达到某个退出条件。EMD中的分量被称为本征模态函数(IMF)。

使用EMD，可以消除特定的成分，如噪声和重建信号。您还可以提取相关组件以供进一步分析。

小波工具箱™而且信号处理工具箱，供MATLAB使用^®，提供EMD等数据自适应多分辨率分析技术．这些技术可以通过信号多分辨率分析仪应用程序访问。该应用程序可以很容易地比较技术之间的结果。