10.SGMD(辛几何模态分解)

       SGMD（Spectral-Grouping-based Mode Decomposition，基于频域分组的模态分解）是一种新型的自适应信号分解方法，可以处理非线性和不平稳信号，并且能够捕获信号的局部特征。该方法通过考虑信号在频域分布的规律性，将信号分解成多个子带，再在每个子带内进行信号分解，从而实现了局部分解和全局一致性的平衡。

SGMD方法的主要步骤包括：

1. 将信号分解为多个频带，通过提取信号频域信息实现自适应分解；

2. 在每个频带内，使用二维紫外线奇异值分解（UV-SVD）或离散小波变换（DWT）对信号进行分解；

3. 选取合适的信号模态，提取对应的频带，并对不同模态进行加权重组；

4. 重构原始信号。

       SGMD方法具有较好的信号分解效果，同时因为采用了频域分组的方法，可根据信号在频域上的规律性自适应确定分组方式，从而更好地适应不同信号类型和特征。但是，SGMD方法的计算量较大，并且需要选择合适的参数，对初始分割的效果敏感，分解结果不够稳定。

原始信号的组成

SGMD分解的效果图

具体代码见：https://mbd.pub/o/bread/mbd-ZJqYmJ5t