2.EEMD（集合经验模态分解）

      EEMD（Empirical Mode Decomposition，经验模态分解）是一种基于信号本身特征分解的信号处理方法。它将信号分解成一系列本征模态函数（Intrinsic Mode Functions，IMF）的线性组合，这些IMF函数具有不同的时间尺度和频率特征，可以反映信号在不同时间尺度和频率上的本质特征。

      EEMD方法可以对非线性和非平稳信号进行有效处理，常用于信号降噪、预测分析、模式识别等领域。EEMD与传统的EMD方法相比，可以消除因噪声和采样误差对分解结果的影响，提高了分解的准确性和稳定性。

EEMD的具体实现步骤如下：

1. 将原始信号加入随机噪声（干扰）得到多次实验信号。

2. 对每个实验信号进行EMD分解，并得到一组IMF函数。

3. 将每个IMF函数进行平均，得到平均IMF函数。

4. 对平均IMF函数进行EMD分解，并得到一组平均IMF函数的IMF函数。

5. 按照3-4步骤反复迭代，直到得到的IMF函数的数量不再增加。

     经过EEMD分解后，可以对不同的IMF函数进行分析和处理，例如可以对噪声成分进行过滤、对信号的长期和短期趋势进行分离等。

（1）原始信号的组成

（2）EEMD效果

相关代码见：https://mbd.pub/o/KYXB/work