经验模态分解(EMD)标准算法MATLAB源程序

资 源 简 介

本项目提供了一套完整的经验模态分解（Empirical Mode Decomposition, EMD）算法的MATLAB源程序。EMD是由N.E. Huang等人提出的一种旨在处理非线性、非平稳信号的自适应信号分解算法，是希尔伯特-黄变换（HHT）的核心部分。本项目的主要功能包括：1. 信号预处理与极值点识别：自动检测输入信号的所有局部极大值和极小值点；2. 包络线构建：利用三次样条插值（Cubic Spline Interpolation）分别拟合上包络线和下包络线；3. 均值包络计算与筛选过程（Sifting Process）：计算上下包络的均值，从原始信号中减去该均值，通过迭代筛选提取满足条件的本征模态函数（IMF）；4. 完备性与正交性保证：程序包含基于标准差（SD）或固定迭代次数的停止准则，确保分解出的IMF分量具有物理意义且相互近似正交；5. 残差提取：当剩余信号为单调函数或极值点不足时停止分解，输出最终趋势项（残差）。此外，项目还包含可视化模块，能够将原始信号及其分解出的各层IMF分量和残差以子图形式直观展示，方便用户进行时频分析、故障诊断、去噪处理或特征提取。

详 情 说 明

经验模态分解 (EMD) 标准算法 MATLAB 实现

项目介绍

本项目提供了一套完全基于 MATLAB 原生语言编写的经验模态分解（Empirical Mode Decomposition, EMD）标准算法实现。该程序旨在对非线性、非平稳信号进行自适应分解，将其解析为若干个本征模态函数（Intrinsic Mode Functions, IMF）和一个残差趋势项。

本实现不依赖 MATLAB 的官方信号处理工具箱中的 emd 函数，而是从底层原理出发构建了完整的筛选（Sifting）过程、包络拟合及边界处理逻辑，适合用于算法研究、教学演示以及对信号处理细节有深度定制需求的场景。

功能特性

• 多成分仿真信号生成：内置复杂的仿真信号生成逻辑，包含低频正弦、间歇性高频干扰、调频调幅（Chirp）信号、二次趋势项以及高斯白噪声，用于验证算法的分解能力。
• 自适应分解核心：实现了完整的 EMD 筛选循环，能够自动根据信号特征将复杂信号分解为从高频到低频排列的 IMF 分量。
• 三次样条包络拟合：采用三次样条插值（Cubic Spline Interpolation）构建上、下包络线，确保包络的光滑性。
• 边界效应抑制：内置镜像延拓算法，在包络拟合前对信号两端进行对称延伸，有效减轻两端的“飞逸”现象（End Effects）。
• 双重停止准则：

* 内层筛选停止：结合最大迭代次数限制与柯西收敛准则（基于标准差 SD），确保 IMF 的提取既准确又高效。 * 外层分解停止：自动检测残余信号的单调性或极值点数量，当残差无法继续分解时自动终止。

• 结果可视化：提供动态绘图模块，能够将原始信号、所有提取的 IMF 分量及最终残差以堆叠子图的方式展示，并计算显示各分量的均方根（RMS）能量。

使用方法

1. 确保计算机上安装有 MATLAB 软件（推荐 R2018b 及以上版本以获得最佳绘图体验，但代码兼容旧版本）。
2. 将源文件加载至 MATLAB 工作路径。
3. 直接运行主程序入口函数。
4. 程序运行结束后，控制台将显示提取到的 IMF 数量，并弹出结果分析图表。

详细功能与算法实现分析

本项目代码逻辑清晰，主要分为主流程控制、核心算法、辅助计算和可视化四个部分。以下是对各部分实际功能的详细分析：

1. 信号生成与预处理

程序首先构建了一个采样频率为 1000Hz、时长 1秒的时间序列。为了测试 EMD 的性能，构造了一个包含多种特征的混合信号：

• 低频基波：10Hz 的连续正弦波。
• 间歇高频：仅在 0.3s 至 0.7s 存在的 50Hz 正弦波。
• 非平稳成分：频率随时间变化的 Chirp 信号。
• 趋势项：二次抛物线趋势。
• 噪声：通过设定随机种子（rng 42）生成的微量高斯白噪声。

2. EMD 核心引擎 (Sifting Process)

这是算法的“大脑”部分，负责执行主要的分解循环：

• 输入校验：强制将信号转换为行向量处理。
• 外层循环：不断尝试从当前残差信号中提取新的 IMF，直到残差满足停止条件（如变为单调函数或极值点不足 3 个）。
• 内层筛选循环：

* 计算当前信号的上下包络。 * 求取均值包络。 * 从原信号中减去均值包络。 * 收敛性检查：计算连续两次筛选结果之间的标准差（Standard Deviation, SD），公式为 sum((h_prev - h)^2) / sum(h_prev^2)。若 SD 小于设定的阈值（默认为 0.3）或达到最大筛选次数（20次），则认为当前 IMF 已筛好。

3. 包络计算与边界处理

为了精确拟合包络线，程序实现了以下步骤：

• 极值点识别：利用差分法（diff）精确捕捉信号的所有局部极大值和极小值索引。
• 镜像延拓（Mirror Extension）：这是代码中的关键细节。为了防止样条插值在端点发散，程序选取信号两端最近的 2 个极值点，以端点为轴进行镜像对称， artificially 增加了数据边界。
• 异常处理：如果检测到的极值点极少（<2个），程序会自动降级采用简单的端点连接或保留极值，防止插值报错。
• 样条插值：使用 MATLAB 内置的 spline 函数基于延拓后的极值点生成平滑的包络线。

4. 辅助判定逻辑

程序包含一个专门的状态检查函数，用于判断分解是否应当结束。它计算当前剩余信号的一阶差分，统计极大值和极小值的总数。如果总极值数少于 3 个，则判定信号已不可再分（即已变成单调趋势或简单的单波），触发算法终止。

5. 可视化模块

绘图功能能够根据生成的 IMF 数量动态调整子图布局：

• 布局：第一行绘制原始含噪信号，最后一行绘制最终残差，中间行依次绘制 IMF1, IMF2, ...
• 数值标注：在每个 IMF 子图中计算并标注了该分量的 RMS（均方根）值，帮助用户量化该分量的能量大小。
• 兼容性：代码中包含了对 sgtitle 的版本检查，确保在低版本 MATLAB 中不会因标题函数报错。

系统要求

• 软件：MATLAB
• 工具箱：本项目主要依赖 MATLAB 基础功能，不需要 额外的高级信号处理工具箱（Signal Processing Toolbox），所有核心算法均为原生代码实现。