EEMD总体经验模态分解

针对传统煤矿电机滚动轴承故障诊断信号噪声大和诊断效率低等问题,提出了一种基于经验模态分解和形态滤波的轴承故障诊断方法。仿真结果验证了所提方法的可行性和有效性。

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

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

基于经验模态分解NCC特征选择的高光谱图像分类算法

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