经验模态分解

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)。

使用EMD，可以消除特定的成分，如噪声和重建信号。您还可以提取相关的组件以进行进一步的分析。

小波工具箱™和信号处理工具箱™，用于MATLAB^®，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Signal Multiresolution Analyzer应用程序访问。该应用程序可以很容易地比较不同技术的结果。