在遥感数据处理研究中，高维高光谱数据的冗余信息和噪声严重影响高光谱数据的分类精度，针对此问题提出基于互信息波段选择和经验模态分解的高精度高光谱数据分类算法(MI-EMD-SVM)。分别采用基于互信息波段选择方法和经验模态分解实现对高光谱数据的冗余信息处理和特征提取，并获得处理后的高光谱数据X″。采用支持向量机分类算法对处理后的高光谱数据X″进行分类实验。仿真实验结果证实MI-EMD-SVM算法不仅提高高光谱数据分类精度，同时还减少支持向量数目，提高高光谱数据分类速度。

本部分内容给出了9个常见信号与排列熵计算的程序与自己对其内容的理解与解释，为改进经验模态分解(MEEMD)提供一个铺垫，后边会陆续发布第二部分与第三部分的内容。 对应视频百度网盘链接:链接：https://pan.baidu.com/s/1cYpmhmCB2RcP2qgXRpV_NQ?pwd=z3g6 提取码：z3g6

风电机组轴承处于早期故障阶段时，特征信号往往比较微弱，并且受环境噪声及信号衰减的影响严重，因此轴承早期故障特征一直难以提取。经验模态分解(EMD)在轴承的故障特征提取中已经得到了广泛的应用，但其在强背景噪声干扰下对轴承早期故障特征的提取具有一定的局限性。针对这一问题，考虑到最大相关峭度解卷积(MCKD)算法可凸显出轴承振动信号中被噪声所掩盖的故障冲击脉冲，非常适用于轴承早期故障信号的降噪处理，因此将MCKD与EMD相结合用于轴承早期故障诊断。用MCKD对强噪声轴承信号进行降噪，然后对降噪后的信号进行EMD，选取敏感本征模态函数(IMF)并计算其包络谱，通过分析包络谱中幅值凸出的频率成分判断故障类型。仿真和试验分析结果验证了所提方法的有效性和准确性。

这个程序是用来显示经过经验模态分解后所得的各个固有模态函数和残余信号，以及由它们重建的信号。

适用于Matlab2020b及以上版本，因为用到matlab自带经验模态分解（EMD）程序，附有例子以及绘图函数

希尔伯特-黄变换的matlab程序，内含集合经验模态分解文件

为了解决采用传统经验模态分解的电缆故障测距方法存在的频带混叠问题,以及基于总体平均经验模态分解的电缆故障测距方法受残留白噪声影响等问题,提出了一种基于补充总体平均经验模态分解的井下配电网电缆故障在线双端行波测距方法。该方法通过补充总体平均经验模态分解提取双端故障行波线模分量的固有模态函数,利用基于瞬时频率突变和模极大值的奇异性检测原理进行行波波头标定,从而实现故障点定位。通过在PSCAD/EMTDC环境下搭建基于频变特性电缆线路的6kV井下配电网模型并进行仿真,验证了该方法测距精度高,最大测距误差不超过4%。

数据分解的算法，可以运行，自己写的

该程序可以实现EMD经验模态分解，求解IMF分量。

针对传统降噪方法处理激发极化法（激电法）测量数据的效果不理想的问题，对经验模态分解方法和独立分量分析技术进行了研究，提出了一种新的激电数据降噪方法。首先，采用经验模态分解方法将原始测量数据自适应分解为有限个固有模态函数，再根据其与激发信号的相关性选择固有模态函数构造虚拟噪声通道，最后利用独立分量分析技术提取多维混合数据中的激电信号。利用仿真信号和实际数据对该方法进行实验，对比普通滤波方法和小波阈值算法，结果表明该方法能有效提高激电数据的信噪比。