西储大学电机轴承故障诊断，EMD分解程序，含包络谱，能量谱

集成经验模成态分解ceedman

计算emd分量的能量熵；imf与原信号的相关系数

bemd的经验模态分解的整合注释版，用的是txt文件，转入matlab编译条件下便可以使用，详细参照上面的说明，希望有用！

为凸显负荷波动的随机性、周期性和相关趋势，通过探求负荷变化机理显著提升预测精度，提出了一种基于EMD的负荷波动机理研究方法。首先对负荷进行EMD分解，得到随机、周期和趋势分量；然后分析各分量的变化规律与候选影响因素的关联关系，推导负荷变化机理，提取时标特征值；最后进行特征的去冗余。该方法创新点是能提取出特征值的时标特性。以广东省负荷数据集作为预测案例研究，对比实验研究结果表明了所提方法的有效性。

matlab实现EMD降噪+信号傅里叶变换

基于经验模态分解成多个模态和一个残余量，再利用长短神经网络预测分别训练每一个模态和残余量，最后重构结果，得到预测结果

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。

包含【添加噪声】+【软、硬阈值去噪】+【强制去噪、默认阈值去噪、给定阈值去噪】+【对含噪正弦波去噪】+【含噪矩形波去噪】共5个m文件