第2节 集合经验模态分解集合经验模态分解的基本原理集合经验模态分解实例n 集合经验模态分解（ensembleempiricalmodedecomposition，缩写为EEMD），是黄锷（HuangN.E.）等人创建的一种信号分析方法。n 该方法的优点，是依据数据自身的时间尺度特征进行信号分解，即局部平稳化处理，无须预先设定任何基函数，因而具有广泛的适用性。n 在理论上来说，该方法适用于任何类型的信号分解，特别是在处理非线性、非平稳时间序列方面，更具有明显的优势。目前，这一方法已被广泛地应用于自然科学与社会科学研究的相关领域。集合经验模态分解（EEMD）方法，是在经验模态分解（empiricalmodedecomposition，缩写为EMD）的基础上发展起来的。该方法的本质，是对时间序列数据进行局部平稳化处理，然后进行希尔伯特变换获得时频谱图，得到有物理意义的频率。集合经验模态分解，是在经验模态分解的基础上，加入一组或多组白噪声信号，用于抑制经验模态分解过程中出现的端点效应和模态混叠现象。由于它引入了白噪声扰动并进行集合平均，从而避免了尺度混合问题，使得最终分解的各分量保持了物理上的
