使用正弦函数叠加多个信号，得到一个数据系列，然后用emd程序对这个序列进行模态分解，实时正明，可以分解出原始信号的各个模态

已经尝试过能适用所有数据，能够运行 经验模态分解（Empirical Mode Decomposition,EMD）法是黄锷（N. E. Huang）在美国国家宇航局与其他人于1998年创造性地提出的一种新型自适应信号时频处理方法，特别适用于非线性非平稳信号的分析处理。

EMD经验模态分解MATLAB程序包，将压缩包中的文件夹添加在MATLAB的子路径之下，然后在MATLAB面板上方点击Set path→添加子路径，在编程时调用emd()即可使用

行业制造-电动装置-一种基于EMD和BP神经网络的电机轴承故障辨识方法.zip

将db小波设定不同的尺度，不同的db小波，处理构造的加噪信号，输出去噪前后的对比波形图，和信噪比，并将信噪比存储，可导出到excel中。

EMD分解的MATLAB代码 很好用哦，同行朋友可以看看，交流经验

EMD

在高炉炼铁过程中，对铁水中硅含量的预测是最重要但也是最困难的一项。提出了一种基于经验模态分解（EMD）和动态神经网络（DNN）的组合算法，用于预测高炉中铁水的硅含量。为了消除原始历史数据的不同频率分量的相互干扰，EMD算法将原始历史数据分解为一系列不同的频率和固定本征函数（IMF）和一个残差。然后将每个IMF和残差近似于其非线性自回归模型（NARM）并通过DNN进行预测，最后，通过将每个IMF和残差的预测相加，可以得出硅含量的预测。最后，通过对中国某钢铁厂采集的一些硅含量的样本数据进行实验以验证我们的算法，结果表明，我们提出的组合算法比没有EMD的单一算法具有更好的性能，这表明该算法的有效性。提出的算法。

基于深空探测图像的EMD-SIFT图像配准方法，尹孟征，吴雪晨，本文提出了一种基于小行星图像序列的尺度不变特征配准方法，该方法包括应用经验模态分解方法（EMD）从图像序列中提取特征，再通过

故障轴承的振动信号是非平稳信号，传统的非平稳信号分析手段存在许多不足；BP网络能够出色地解决传统识别模式难以解决的复杂问题。提出了经验模态分解（EMD）与BP神经网络相结合的滚动轴承故障诊断方法。采用EMD方法对振动信号进行分解，得到组成信号的多个内禀模态分量（IMF），提取重要的IMF分量的能量作为信号的特征量；采用BP网络作为模式分类器，对轴承的故障类型进行分类。经试验数据分析证明，该方法能够准确地对轴承故障进行诊断。