REMD是一种改进的经验模式分解，由软筛选停止标准（SSSC）提供支持。 SSSC是一种自适应筛分停止标准，用于自动停止EMD的筛分过程。 它从混合信号中提取出一组单分量信号（称为固有模式函数）。 它可以与Hilbert变换（或其他解调技术）一起用于时频分析。

为解决信号分量能量不同且时频交叠严重时多分量辐射源信号的检测问题,提出了一种基于乘积高阶模糊函数(PHAF)的检测方法。该方法采用“剥洋葱”的策略,按照能量强弱逐次检测各信号分量。检测时,先检测和剥除能量较强的信号分量,以避免弱信号分量受其它信号分量和交叉项的干扰。将不同时延的高阶模糊函数相乘,以强化信号分量、弱化噪声,有效检测低信噪比信号。分析和实验结果表明:提出的方法能有效检测时频交叠严重的多分量辐射源信号,对强、弱能量信号分量的相对检测误差分别小于2.457×10-4和7.560×10-2; 检测含

短时分数阶傅里叶变换,用于多分量线性调频信号的识别过程

多分量LFM信号在分数阶Fourier域的参数估计与分离，刘宝华，李运华，分数阶Fourier变换由于其特有的性质，非常适和处理LFM信号，尤其是作为一种线性变换，可以克服多分量LFM信号的交叉项的干扰。本文在��

局部均值分解算法，用于多分量信号的自适应分解，用于脑电信号处理、故障诊断等方面。局部均值分解算法，用于多分量信号的自适应分解，用于脑电信号处理、故障诊断等方面。 (LMD method)局部均值分解算法，用于多分量信号的自适应分解，用于脑电信号处理、故障诊断等方面。 (LMD method)

采用短时傅立叶变换(STFT),Wigner-Ville分布(WV),分数阶Fourier变换(FRFT)3种时频分析方法,对多分量LFM信号在不同信噪比的情况下进行检测,并对仿真结果进行对比分析,可以得出在低信噪比的情况下基于分数阶Fourier的多分量LFM信号的检测方法较好。

RLMD 是一种改进的局部均值分解，由一组优化策略提供支持。 优化策略可以处理 LMD 中的边界条件、包络估计和筛选停止准则。 它从混合信号中同时提取一组单分量信号（称为乘积函数）及其相关的解调信号（即 AM 信号和 FM 信号），这是与其他自适应信号处理方法（如EMD。 RLMD 可用于时频分析。 参考： [1] 刘志良，金亚强，左铭，冯志鹏。 基于鲁棒局部均值分解的时频表示，用于多分量 AM-FM 信号分析。 机械系统和信号处理。 95: 468-487, 2017。 [2] Smith J S.局部均值分解及其在脑电感知数据中的应用[J]. 皇家学会界面杂志，2005 年，2(5)：443-454。 [3] G. Rilling、P. Flandrin 和 P. Goncalves。 关于经验模式分解及其算法。 IEEE-EURASIP 非线性信号和图像处理研讨会 NSIP-03

针对基于分数阶傅里叶变换(FRFT)的多分量线性调频信号(MLFM)参数估计方法中计算量大、估算精度低等问题，本文提出了一种基于吕分布(LVD)与高分辨分数阶傅里叶变换（Zoom-FRFT）的参数估计方法。首先，对MLFM信号进行LVD，检测存在的分量个数，对各分量参数粗略估计，利用粗略调频斜率代入FRFT的参数估计公式，反向计算出FRFT的粗略变换阶次。然后，以粗略变换阶次为中心限定范围，设置精度，连续进行FRFT，从而提取峰值的坐标即精确变换阶次与粗略FRFT域坐标。最后，在精确变换阶次下，以粗略FRFT域坐标为中心限定区间，进行Zoom-FRFT，从而提取精确FRFT域坐标，对分量的参数进行精估计。仿真结果表明，该方法可以有效地对MLFM信号进行参数估计，并可以根据实际需要选择变换阶次的搜索范围与精度、FRFT域的细化倍数；与传统方法相比，本方法同时提高了参数估计精度与计算效率。

matlab 代码允许重现论文中的一些结果：Chen S、Yang Y、Peng Z 等人，转子-定子系统摩擦碰撞故障检测：一种基于自适应啁啾模式分解的新方法，Journal of Sound and Vibration, 2018. 论文中使用的算法是论文中算法的简化版本：Chen S, Yang Y, Peng Z, et al, Adaptive chirp mode tracking: Algorithm and Applications, Mechanical Systems and Signal Processing, 2018. Some部分脚本来自以下论文：Chen S、Dong X、Peng Z 等人，非线性 Chirp 模式分解：一种变分方法，IEEE 信号处理交易，2017 年。以及论文：Chen S、Dong X、Xing G等人，通过脊路径重组和固有线性调频分量分

关于瞬时频率估，多分量信号分解的相关文章，比较全面介绍，以及相应的分析