eemd的选择和使用，并有相关的例程，对非平稳信号进行经验模态分解，提取IMF，并进行HILBERT变换。很好的程序。

EEMD是Ensemble Empirical Mode Decomposition的缩写，中文是集合经验模态分解，是针对EMD方法的不足，提出了一种噪声辅助数据分析方法。EEMD分解原理是当附加的白噪声均匀分布在整个时频空间时，该时频空间就由滤波器组分割成的不同尺度成分组成。MATLAB版本

本代码是eemd的原始代码，关于emd的注释已经很多，eemd无非是多次emd取平均，需要的自己拿去

EEMD的代码，EEMD是EMD的改进，通过加入高斯白噪声来避免模态混叠

matlab上可以运行。其中，比如，如果你的allmode中，有14个列向量，其中第一个和第14个分别是原始信号和余量，从第二个到13个为IMFS信号。在使用polteemd时，n设置成12就可以了。

eemd源文件代码，希望对大家有用,大家共同学习，希望可以在自己的领域都有所收获

EEMD是针对EMD方法的不足，提出了一种噪声辅助数据分析方法。EEMD分解原理为：当附加的白噪声均匀分布在整个时频空间时，该时频空间就由滤波器组分割成的不同尺度成分组成。当信号加上均匀分布的白噪声背景时，不同尺度的信号区域将自动映射到与背景白噪声相关的适当尺度上去。当然，每个独立的测试都可能会产生非常嘈杂的结果，这是因为每个附加噪声的成分都包括了信号和附加的白噪声。既然在每个独立的测试中噪声是不同的，当使用足够测试的全体均值时，噪声将会被消除。全体的均值最后将会被认为是真正的结果，随着越来越多的测试，附加的噪声被消除了，唯一持久稳固的部分是信号本身。