经验模态分解(Empirical mode decomposition, EMD)是一种数据自适应多分辨率技术,将信号分解成具有物理意义的分量。经验模态分解(EMD)可以将非线性和非平稳信号分解成不同分辨率的分量,用于分析非线性和非平稳信号。万博 尤文图斯经验模态分解的一些常见应用在轴承故障检测、生物医学数据分析、功率信号分析和地震信号等领域。
经验模态分解可以用来进行时频分析,同时保持在时域内。这些分量与原始信号在同一时间尺度,这使它们更容易分析。与小波分析等其他多分辨率分析(MRA)技术不同,经验模式分解无需使用固定的函数或过滤器,就可以从数据本身递归地提取不同的分辨率。万博 尤文图斯
另一种解释EMD的方法是把一个信号看作是一个快速振荡叠加在一个较慢振荡上。快速振荡提取后,EMD算法将剩余较慢的分量作为新信号处理,再次将其视为叠加在较慢分量上的快速振荡。该算法继续执行,直到达到某个退出条件。EMD中的分量称为本征模态函数(IMF)。