微信公众号由于改变了推送规则，为了每次新的推送可以在第一时间出现在您的订阅列表中，记得将本公众号设为星标或置顶哦~
有意向获取代码，请转文末观看代码获取方式~
展示出图效果
1 EEMD信号分解算法
EEMD 分解又叫集合经验模态分解，英文全称为 Ensemble Empirical Mode Decomposition
EEMD是对EMD的改进，可以克服EMD的一些缺点。EEMD的主要思想是通过对原始数据集进行多次噪声扰动，获得多个EMD分解的集合，然后将这些EMD集合求平均，得到最终的EEMD分解结果。EEMD的主要步骤如下：
- 对原始信号进行若干次随机噪声扰动，得到多个噪声扰动数据集。
- 对每个噪声扰动数据集进行EMD分解，得到多个EMD分解集合。
- 将每个 EMD 分解集合的对应分量进行平均，得到最终的 EEMD 分解结果。 EEMD 分解的优点是能够克服 EMD 的局限性，如基函数的选择和模态重叠等问题。同时，EEMD 还可以提供更好的信噪比和更高的分解精度。因此，EEMD 在信号处理、图像处理和模式识别等领域也得到了广泛的应用。
要想在 MATLAB 中使用 EMD 分解首先要安装 EMD 分解的 MATLAB 工具包。
关于简短的代码视频教程均可关注B站、小红书、知乎同名账号（Lwcah）观看教程~
EMD 工具包的安装：在 MATLAB 打开 package_emd 文件夹，运行 install_emd. M 以及 index_emd. M 两个函数如下图所示即可完成工具包的安装。
MATLAB 信号分解第二期-EEMD:
https://mbd.pub/o/bread/ZJWZmplt
信号分解全家桶详情请参见：
https://mbd.pub/o/author-aWWWnHBsYw==/work
2 希尔伯特黄变换
希尔伯特黄变换（Hilbert-Huang Transform，简称HHT）是一种新型的信号分析方法，能够有效地处理非线性、非平稳信号。
对每一个IMF进行希尔伯特变换，可以得到该IMF的解析解。解析解包括一个实部和一个虚部，这两个部分对应于IMF的瞬时频率和瞬时幅值。通过对所有的IMF进行希尔伯特变换，可以得到整个信号的希尔伯特谱。这个谱可以用来分析信号的频率和幅值随时间的变化情况。
希尔伯特黄变换的优点在于其完全自适应性，不需要预设任何参数。此外，该方法能够处理非线性、非平稳信号，因此在许多领域，如地球物理学、生物医学工程等，得到了广泛的应用。
3 边际谱算法
边际谱算法是一种分析非高斯、非线性信号的方法，它基于EMD（经验模式分解）和希尔伯特黄变换（Huang-Hilbert Transform）。
首先，通过EMD将信号分解成一系列固有模态函数（IMF），然后对每个IMF进行希尔伯特变换，得到瞬时频率和瞬时幅值。这些瞬时频率和瞬时幅值构成了信号的希尔伯特谱。
接着，对希尔伯特谱进行边际谱分析。具体来说，将希尔伯特谱的频率和幅值视为二维空间中的一个点，对所有点按照频率进行排序，然后对每个频率点的幅值求和，就得到了边际谱。
通过边际谱，我们可以得到信号在不同频率下的能量分布情况，从而对信号进行分析。这种方法特别适合于处理非高斯、非线性信号。
4 代码获取
如下为简短的视频操作教程。
算法代码获取：
https://mbd.pub/o/bread/ZJyXm51s
https://mbd.pub/o/bread/ZJyXm59r
关于代码有任何疑问，可以一起探讨科研，写作，代码等诸多学术问题，我们一起进步~
1、感谢关注 Lwcah 的个人公众号，有关资源获取，请公众号后台发送推文末的关键词，自助获取。
2、若要添加个人微信号，请后台发送关键词：微信号。
3、若要进微信群：Lwcah 科研技巧群 3。请添加个人微信号后进群（大家沉浸式科研，广告勿扰），不定时更新科研技巧类推文。可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。
记得关注公众号，并设为星标哦~谢谢啦~
