经验模态分解EEMD

提出一种基于改进的经验模态分解(EMD)锚固动测信号处理方法。EMD法能将信号中不同尺度的波动和趋势项逐级分解开来,具有自调节自适应的特征,能在时频域内描述非平稳非线性信号的局部特性。基于改进的EMD

基于经验模态分解NCC特征选择的高光谱图像分类算法

经验模态分解（EMD）是一种数据驱动的多尺度变换理论，它是一种非线性且非平稳的信号处理理论。 但是每种EMD分解理论都有其优点和缺点。 合成孔径雷达（SAR）成像是获取变化信息的重要遥感技术，SAR图

据龚志强等人的研究认为：（1）EMD方法是波动上、下包络的平均值去确定“瞬时平衡位置”，进而分解IMF分量；WD方法是带通滤波器，分解得到的各个细节分量一般与固定频带相对应，故分解的结果不及EMD精确

eof可以修改后再修改matlab中可以使用

eemd用于对一维信号的分解，代码每段都有注释，通俗易懂，便于理解，亲测可用

算法的讲解及应用 经验模 式分解(EMD)方法应运而生,它不是采用某种正交基对信号进行分解,而是通过特 殊的迭代规则将信号分解为一系列本征模态函数(IMF)之和

EMD empirical mode decomposition

基于ICA算法的集合经验模态分解去噪方法，周先春，徐浩捷，针对非线性非平稳信号的去噪问题，提出了一种基于独立分量分析（DecompositionComponentsAnalysis,简称ICA）算法的

为有效地诊断电动机断条故障,提出了一种基于EMD-AR模型的电动机断条诊断的信号分析新方法。该方法将时间序列的AR模型引入到电动机断条故障诊断中,采用了经验模态分解方法将电动机的电流信号分解成若干个平