15.FEEMD(快速EEMD算法)

FEEMD（Fast Ensemble Empirical Mode Decomposition，快速集合经验模态分解）是一种快速的EEMD算法，通过解决EEMD算法计算量大的问题，实现更快速和高效的信号分解。

FEEMD方法的主要思想是通过随机选择点来分解信号，而非在所有点上为每个IMF计算残差和重构信号。FEEMD可以通过使用较少的点集来逼近EEMD，从而大大减少计算量。同时，FEEMD方法采用了前向连通搜索的方法来找到最优路径和最小残差，从而实现了更加准确和稳定的分解结果。

FEEMD算法的主要步骤包括：

1. 随机选取一系列信号点；

2. 对每个点进行分解，得到一组IMFs；

3. 对所有IMFs进行平均，得到平均IMFs；

4. 重构原始信号。

FEEMD方法通过随机选择点来降低计算量，同时采用前向连通搜索的方法来寻找最优解，提高了分解结果的准确性和稳定性。与EEMD方法相比，FEEMD算法具有更快的计算速度和更高的效率，适用于大规模数据分析和实时信号处理等场景。

（1）原始信号

（2）FEEMD分解效果图

（3）EEMD分解效果图

FEEMD分解的时间为：历时 0.852525 秒。

EEMD分解的时间为：历时 34.294638 秒。

具体代码见：https://mbd.pub/o/bread/mbd-ZJqYmJ9r