VMD算法，里面有使用测试代码。分解效果比EMD好，可以抑制模态混叠现象。VMD的分解原理不同于EMD，它是将原始信号引入到变分模型中，利用寻找约束变分模型最优解的过程来获取分量。VMD极大地克服了EMD的模态混叠现象，具有较好的噪声鲁棒性，已被广泛应用到多个领域中。

本文件是变分模态分解（Variational Mode Decomposition，VMD）的VMD_test文件

包含通过中心频率确定分解个数K的matlab程序和相关资料三篇，分享大家共同学习。 VMD分解的效果主要受模态数的选取值的影响，当模态的选取值较小时，由于VMD算法相当于自适应滤波器组，原始信号中一些重要信息将会被过滤，影响后续预测的精度；而当模态的选取值较大时，相邻模态分量的中心频率则会相距较近，导致模态重复或产生额外的噪声。不同模态的主要不同点在于中心频率的不同，所以，通过对不同模态数下中心频率的分布进行观察选取合适的模态数值。

变分模态分解VMD代码，matlab，可运行，代码规范，清晰易用

子函数，VMD，信号合成与分解，通过镜像延拓改变信号的振幅，借以.....，可以自己修改内置的参数改变函数的作用，但算法主体思想不变，有参考意义，不能直接拿来使用，适用性不一样

针对论文：基于ＶＭＤ的故障特征信号提取方法，本人对论文中的仿真信号部分进行了复现，首先产生仿真信号；其次，利用VMD对信号进行分解，运用排列熵确定含高噪分量，然后对低噪分量进行重构；最后，将重构的信号进行分解，发现分量与最初的原始仿真信号基本一致。说明去噪效果较好。

里面包含VMD（变分模态分解）译文，译文是我根据自己理解加上谷歌翻译对照翻译出来的，可能译文存在一些不太准确的地方，如有哪里不准确，请对照VMD原文翻译），

matlab实现vmd分解，变分模态分解。可应用于信号分解

难得的中文教程 省去了啃英文的时间 这个教程为新用户介绍了VMD的用法。老用户也可以用本教程进一步熟悉程序的应用，以更好地利用VMD。本教程是针对VMD 1.8.3设计的，需要约3个小时来完成。 本教程新增的内容可用三个独立的单元讲解。第一个单元主要内容是分子图形表现方法基础， 还会介绍制作形象逼真的图像要了解的知识。另外的两个单元是针对高级用户，介绍了VMD的脚本。尽管非技术性用户可以略去脚本的阅读，但是我们鼓励每个人都去试一试着读一下，因为它会提供一些有力而易用的工具，这些工具是简单的图形用户界面所无法提供的。 本教程以一种有趣的小蛋白质泛素的研究为例来说明VMD的应用。在本文中，一些资料是在小框中出现的。这些小框中包括教程的补充内容，例如泛素扮演的生物学角色，使用VMD的一些提示和捷径等等

利用VMD可以很好的分解信号，可以分解滚动轴承的原始数据和自己的信号仿真数据