7.LMD(局域均值分解)

LMD（Local Mean Decomposition，局域均值分解）是一种信号分解方法，它的基本思想是将复杂的信号分解成多个局域均值和局域高频信号。LMD是一种数据驱动的方法，它没有严格的数学推导，而是基于先验知识和经验分析，通过迭代计算得到结果。

LMD方法的主要步骤如下：

1. 首先，对原始信号进行局域平滑处理，得到一个局域均值函数。

2. 将原始信号减去局域均值函数，得到一个局域高频函数。

3. 对局域高频函数进行1步骤到2步骤的迭代，得到多个局域均值函数和局域高频函数。

4. 对最后得到的局域均值函数和局域高频函数进行线性组合，得到原始信号的分解结果。

LMD方法可以通过改变迭代次数和窗口长度等关键参数，适应不同的信号分解需求。并且，LMD不需要事先对信号做出任何假设，对保留信号的局部时频信息具有较好的效果。同时，LMD的计算效率较高，可对长时间序列进行快速分解。但LMD也存在一些不足之处，例如对较强的噪声敏感，对信号的分解结果依赖于关键参数的选择等。

原始信号的组成

LMD分解的效果

具体代码见：https://mbd.pub/o/bread/mbd-ZJqYmJ1y