1.EMD（经验模态分解）

       EMD (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函数可以反映信号在不同时间尺度和频率上的本质特征。EMD方法可以对非线性和非平稳信号进行有效处理，常用于信号分析、特征提取、降噪等领域。与传统的傅里叶变换和小波变换等方法相比，EMD不需要对信号进行预处理和假设，可以自适应地适应不同的信号特征。

EMD的具体实现步骤如下：

1.提取最大值和最小值作为信号的上、下边界（envelopes）；

2.基于信号上、下边界确定一个平滑的均值线；

3.将信号与均值线做差，得到一个局部极值点组成的序列，称为“广义均值”，或称为“本征模态函数”（IMF1）；

4.将IMF1作为新的信号，并重复以上步骤，直至满足一定的收敛性标准或得到所需数量的IMF函数。

      经过EMD分解后，可以根据不同IMF函数的物理意义和特征进行信号分析和处理，例如可以从分解结果中提取频率、能量等特征，也可以对IMF函数进行滤波和组合等处理以还原原始信号。

（1）原始信号的组成

（2）EMD分解的效果

具体代码可见：https://mbd.pub/o/KYXB/work