可直接将需要分解的信号带入程序中运行，得到分解后的信号并绘图、求解分解后信号的频率范围，提取呼吸和心跳信号

奇异谱分析SSA做信号去噪、分解，奇异谱分析SSA做信号去噪、分解，奇异谱分析SSA做信号去噪、分解，奇异谱分析SSA做信号去噪、分解奇异谱分析SSA做信号去噪、分解奇异谱分析SSA做信号去噪、分解奇异谱分析SSA做信号去噪、分解

基于时变滤波的经验模态分解TVF-EMD 附案例数据 可直接运行，基于时变滤波的经验模态分解TVF-EMD 附案例数据 可直接运行，基于时变滤波的经验模态分解TVF-EMD 附案例数据 可直接运行基于时变滤波的经验模态分解TVF-EMD 附案例数据 可直接运行基于时变滤波的经验模态分解TVF-EMD 附案例数据 可直接运行

变分模态分解（Variational Mode Decomposition,VMD）是由 Dragomiretskiy 等人提出的一种自适应信号处理方法，通过迭代搜寻变分模态 的最优解，不断更新各模态函数及中心频率，得到若干具有一定宽带的模态函数。利用VMD对凯斯西储大学轴承进行信号分解，效果较好，可作为对比实验。

信号分解的matlab代码稀疏2DCCA 用法：只需在MATLAB中运行demo.m文件。 我已使用MATLAB 2017b版本成功运行了这些脚本。 如果您在运行此模拟设置时遇到任何问题，请提出问题。 我将尝试尽快做出回应。 如果您使用提供的MATLAB代码，请引用本文 Muhammad Ali Qadar，AbdeldjalilAïssa-El-Bey，Abd-Krim Seghouane，通过惩罚矩阵分解进行的二维CCA，用于结构保存的fMRI数据分析，数字信号处理，第92卷，2019年，第36-46页，2019年。 可以在这里访问本文 感谢Navid Shokouhi在此代码开发过程中提供的帮助。

针对小波包去噪对含强白噪声的信号处理效果不理想问题，提出了基于互相关分析优化的VMD-小波包阈值去噪方法。该方法融合了VMD和小波包去噪的优势，通过VMD把含噪信号分解成若干个模态分量，根据互相关分析提出的临界相关系数从所有模态分量中搜寻极优模态分量，之后利用小波包阈值去噪对极优模态分量进行处理。实验结果表明，该方法对含强白噪声的信号去噪效果具有优势，能够保全信号的有效分量，克服了传统VMD去噪的盲目性，保证了去噪后信号的真实性。

自适应傅里叶分解算法，可以实现对信号进行自适应傅里叶分解及重构，可直接运行。-adaptive fourier decomposition (AFD)

vmd分解之后分解信号和原信号的对比图、频谱图等

适用于TDMS信号在MATLAB中使用，可对信号进行分解，分解后计算信号能量熵，并分别绘制IMF信号波形以及IMF分量对应的频谱图形。适用于故障诊断领域以及各类信号分解领域。相关分解算法导入使用即可，如：EMD、EEMD、CEEMD、CEEMDAN、ICEEMDAN等分解算法，适用于非平稳信号分析处理。

用同时分析法观测50Hz非正弦周期信号的分解与合成，理解非正弦信号的特点。