经验模式分解（EMD）工具箱，可结合https://blog.csdn.net/qrlhl/article/details/52213135#commentsedit博客使用，亲测基于MATLAB2016软件可用，不再需要安装时频分析工具箱。

EEMD通过添加高斯白噪声并进行平均的方法，解决了EMD的模态混叠问题。但其会因为白噪声残留较大，导致筛分次数增加，以及分解失败，因而计算效率不高。针对以上问题，Torres等提出了一种噪声自适应完备总体平均经验模态分解(Complete EEMD with Adaptive Noise，CEEMDAN)方法。该方法特别适合ECG信号处理。

经验模态分解emd,是处理非线性、非平稳信号的时频分析方法。该方法可以在不需要知道任何先验知识的情况下，依据输入信号自身的特点，自适应的将信号分解成若干个本征模态函数IMF之和。emd被认为是对以线性和平稳假设为基础的傅立叶分析和小波变换等传统时频分析方法的重大突破口。该方法在多年的发展过程中，逐渐展露出了在非平稳信号处理中的独特优势，具有重要的理论研究价值和广阔的应用前景。目前，emd在机械故障诊断、特征提取、信息检测、生物医学信号分析、图像信号分析、通讯雷达信号分析等领域，都其有很大的应用价值。本代码是emd算法在matlab上的实现。有待同行改进。

把 G.Rilling 写的 EMD.m注释汉化了，同时根据个人理解添加了部分注释，最后附上一个EMD分解＋HHT谱＋边际谱的例子。例子程序中所用到的函数是G.Rilling提供的

按照EMD原理写的EMD分解代码，内附测试信号，十分有用

主要用于emd 分解，简单EMD，适合初级者练习使用。已经加了一些解释，希望能更易懂。 function imf = emd(x) % Empiricial Mode Decomposition (Hilbert-Huang Transform) % imf = emd(x) % Func : findpeaks

用于实现emd的matlab源程序，目前为止个人呕心沥血整理的最全面程序！

集合经验模态分解（EEMD）经验模态分解（EMD）分解 Matlab 工具包

基于HHT的matlab实现，通过EMD对信号进行分解，利用HHT变化得到时频谱

黄老先生98年 提出的EMD全文，很实用The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis