提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

• 前言
• 一、EEMD去噪
• 二、使用步骤
• • 1.代码展示
  • 2.function [spmax, spmin, flag]= extrema(in_data)
  • 2.functi代码如下（示例）：
• 结果展示

前言

提示：这里可以添加本文要记录的大概内容：

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

提示：以下是本篇文章正文内容，下面案例可供参考

一、EEMD去噪

EEMD方法的本质是一种叠加高斯白噪声的多次经验模式分解，利用了高斯白噪声具有频率均匀分布的统计特性，通过每次加入同等幅值的不同白噪声来改变信号的极值点特性，之后对多次EMD得到的相应IMF进行总体平均来抵消加入的白噪声，从而有效抑制模态混叠的产生。EEMD分解步骤如下：
（1）设定总体平均次数M；
（2）将一个具有标准正态分布的白噪声加到原始信号上，以产生多个新的信号：

式中表示第i次加性白噪声序列，表示第i次试验的附加噪声信号；
（3）对所得含噪声的信号分别进行EMD分解，得到各自和的形式：

式中，为第i次加入白噪声后分解得到的第j个imf；是残余函数；J的IMF数量；

（4）重复步骤(2)和步骤(3)进行M次，每次分解加入幅值不同的白噪声信号得到的集合为：

（5）利用不相关序列的统计平均值为零的原理， 将上述对应的进行集合平均运算，得到EEMD分解后最终的，即：

式中是EEMD分解的第j个IMF。

二、使用步骤

1.代码展示

代码如下（示例）：

clc;clear;close all;tic;%% 产生仿真信号fs=100;   %数据采样率Hzt=1:1/fs:4096*1/fs; %对数据进行采样n = length(t);  %数据的采样数目f1 =0.25; %信号的频率f2=0.005;x=8*sin(2*pi*f1*t+cos(2*pi*f2*t))+10*cos(0.43*t);x=x';    %产生原始信号，将其转置为列向量nt=3*randn(n,1);  %高斯白噪声生成y=x+nt; %含噪信号figure(1);subplot(2,1,1);plot(x);title('原始信号');xlabel('采样点数');ylabel('幅值');subplot(2,1,2);plot(y);title('含噪信号');xlabel('采样点数');ylabel('幅值');%% EEMD分解Nstd=0.2*std(y);NE=30;imf=eemd(y,Nstd,NE);figure(2);% IMF1是原始输入信号y，IMF2-IMF7是从高频到低频的IMF分量，IMF8是残余分量subplot(4,2,1); plot(imf(:,1));title('IMF1');xlabel('采样点数');ylabel('幅值');subplot(4,2,2); plot(imf(:,2));title('IMF2');xlabel('采样点数');ylabel('幅值');subplot(4,2,3); plot(imf(:,3));title('IMF3');xlabel('采样点数');ylabel('幅值');subplot(4,2,4); plot(imf(:,4));title('IMF4');xlabel('采样点数');ylabel('幅值');subplot(4,2,5); plot(imf(:,5));title('IMF5');xlabel('采样点数');ylabel('幅值');subplot(4,2,6); plot(imf(:,6));title('IMF6');xlabel('采样点数');ylabel('幅值');subplot(4,2,7); plot(imf(:,7));title('IMF7');xlabel('采样点数');ylabel('幅值');subplot(4,2,8); plot(imf(:,8));title('IMF8');xlabel('采样点数');ylabel('幅值');imf=imf(:,2:8);n=7;r=zeros(1,n);for i=1:n    % 求相关系数    r(1,i)=sum((y-mean(y)).*(imf(:,i)-mean(imf(:,i))),1)./sqrt(sum(((y-mean(y)).^2),1).*sum(((imf(:,i)-mean(imf(:,i))).^2),1));end% 求标准差d=std(r);[M,I] = max(r);% 信号的重构yt=imf(:,I);figure(3);plot(yt);hold on;plot(x);title('去噪信号与原始信号');xlabel('采样点数');ylabel('幅值');toc;% figure(1)% width=400;%宽度，像素数% height=250;%高度% left=200;%距屏幕左下角水平距离% bottem=100;%距屏幕左下角垂直距离% set(gcf,'position',[left,bottem,width,height])% plot(i,afz','-*','LineWidth',2)% %xlim([0 100]);%  xlabel('故障宽度 e-3','FontSize',10.5);ylabel('幅值/(m/s^2)','FontSize',10.5)% title('峰值');

2.function [spmax, spmin, flag]= extrema(in_data)

代码如下（示例）：

% 这是一个用于显著性检验的实用程序.%%   function [spmax, spmin, flag]= extrema(in_data)%% INPUT:%       in_data: Inputted data, a time series to be sifted（被筛选）;% OUTPUT:%       spmax: The locations (col 1) of the maxima and its corresponding%              values (col 2)%       spmin: The locations (col 1) of the minima and its corresponding%              values (col 2)%% References can be found in the "Reference" section.%% The code is prepared by Zhaohua Wu. For questions, please read the "Q&A" section or% contact%   zwu@fsu.edu%function [spmax, spmin, flag]= extrema(in_data)flag=1;dsize=length(in_data);spmax(1,1) = 1;spmax(1,2) = in_data(1);jj=2;kk=2;while jj=in_data(jj+1) )        spmax(kk,1) = jj;        spmax(kk,2) = in_data (jj);        kk = kk+1;    end    jj=jj+1;endspmax(kk,1)=dsize;spmax(kk,2)=in_data(dsize);if kk>=4    slope1=(spmax(2,2)-spmax(3,2))/(spmax(2,1)-spmax(3,1));    tmp1=slope1*(spmax(1,1)-spmax(2,1))+spmax(2,2);    if tmp1>spmax(1,2)        spmax(1,2)=tmp1;    end    slope2=(spmax(kk-1,2)-spmax(kk-2,2))/(spmax(kk-1,1)-spmax(kk-2,1));    tmp2=slope2*(spmax(kk,1)-spmax(kk-1,1))+spmax(kk-1,2);    if tmp2>spmax(kk,2)        spmax(kk,2)=tmp2;    endelse    flag=-1;endmsize=size(in_data);dsize=max(msize);xsize=dsize/3;xsize2=2*xsize;spmin(1,1) = 1;spmin(1,2) = in_data(1);jj=2;kk=2;while jj=in_data(jj) && in_data(jj)<=in_data(jj+1))        spmin(kk,1) = jj;        spmin(kk,2) = in_data (jj);        kk = kk+1;    end    jj=jj+1;endspmin(kk,1)=dsize;spmin(kk,2)=in_data(dsize);if kk>=4    slope1=(spmin(2,2)-spmin(3,2))/(spmin(2,1)-spmin(3,1));    tmp1=slope1*(spmin(1,1)-spmin(2,1))+spmin(2,2);    if tmp1 
 
2.functi代码如下（示例）：
 
function allmode=eemd(Y,Nstd,NE)xsize=length(Y);dd=1:1:xsize; Ystd=std(Y);Y=Y/Ystd;    %part2.evaluate TNM as total IMF number,ssign 0 to N*TNM2 matrixTNM=fix(log2(xsize))-5;   % TNM=mTNM2=TNM+2;               for kk=1:1:TNM2    for ii=1:1:xsize        allmode(ii,kk)=0.0;      endend%part3 Do EEMD -----EEMD loop startfor iii=1:1:NE %EEMD loop NE times EMD sum together%part4 --Add noise to original data,we have X1    for i=1:xsize        temp=randn(1,1)*Nstd; % add a random noise to Y        X1(i)=Y(i)+temp;    end%part4 --assign original data in the first column    for jj=1:1:xsize        mode(jj,1) = Y(jj); % assign Y to column 1of mode    end%part5--give initial 0to xorigin and xend    xorigin = X1;   %     xend = xorigin; %%part6--start to find an IMF-----IMF loop start    nmode = 1;    while nmode <= TNM    xstart = xend; %last loop value assign to new iteration loop                   %xstart -loop start data    iter = 1;      %loop index initial value%part7--sift 10 times to get IMF---sift loop start        while iter<=10             [spmax, spmin, flag]=extrema(xstart); %call function extrema                                                  %the usage of spline ,please see part11.            upper= spline(spmax(:,1),spmax(:,2),dd); %upper spline bound of this sift            lower= spline(spmin(:,1),spmin(:,2),dd); %lower spline bound of this sift            mean_ul = (upper + lower)/2;            %spline mean of upper and lower            xstart = xstart - mean_ul;              %extract spline mean from Xstart            iter = iter +1;        end%part8--subtract IMF from data ,then let the residual xend to start to find next IMF    xend = xend - xstart;          nmode=nmode+1;              %part9--after sift 10 times,that xstart is this time IMF    for jj=1:1:xsize        mode(jj,nmode) = xstart(jj);      endend%part10--after gotten all(TNM) IMFs ,the residual xend is over all trend% put them in the last column    for jj=1:1:xsize        mode(jj,nmode+1)=xend(jj);    end%after part 10 ,original + TNM IMFs+overall trend ---those are all in mode    allmode=allmode+mode;   end  %part3 Do EEMD -----EEMD loop end%part11--devide EEMD summation by NE,std be multiply back to dataallmode=allmode/NE;    allmode=allmode*Ystd;  
 
 
结果展示
  

 。