1. 有沒有人做過對氣象數據的EMD或者HHT變換分析，數據經過EMD分解後，怎麼求周期啊有程序的話最好。謝謝啦
號的方法，從根本上有
別於傳統的信號時頻分析方法，並在實際應用中取得了很好的效果。
EMD分解演算法通過層層篩選，得到信號不同時間特徵尺度的IMF分量。EMD
分解的主要目的是為了將信號進行平穩化處理，對IMF分量進行Hilbert變換，進
一步得到IMF分量對應的瞬時頻率成分，這樣得到的瞬時頻率有了合理的物理意
義。通過Hilbert得到的的Hilbert/Huang頻譜圖是時間和頻率的二變數函數，從中
可以得到任意時刻的頻率信息，包括頻率的大小和幅度以及出現的對應時刻，能
夠詳細的刻畫非平穩非線性信號的時頻特性。
2. EMD什麼意思
經驗模態分解(Empirical Mode Decomposition,簡稱EMD)法是美籍華人N. E. Huang等人於1998年提出的，適合於分析非線性、非平穩信號序列，具有很高的信噪比。該方法的關鍵是經驗模式分解，它能使復雜信號分解為有限個本徵模函數(Intrinsic Mode Function，簡稱IMF)，所分解出來的各IMF分量包含了原信號的不同時間尺度的局部特徵信號。
3. 關於經驗模態分解(EMD)的問題
於非線性時間序列分析經驗模態分解和小波分解異同性的研究
龔志強 鄒明瑋 高新全 董文傑
摘 要：基於經驗模態分解(EMD)的希爾伯特變換(HT),是對非線性時間序列基於EMD進行分解,然後通過HT獲得頻譜.利用理想時間序列和青藏高原古里雅冰芯18O時間序列,系統地分析比較了EMD和小波分解(WD)以及HT和小波變換在非線性時間序列處理中的優劣,並針對它們各自的缺點提出了可能改進的設想.研究結果表明,將基於EMD的方法和基於WD的方法有機結合起來應用,可以更有效地識別原時間序列的特徵信息.
關鍵詞：經驗模態分解;小波分解;理想時間序列;古里雅冰芯
文章編號：1000-3290/2005/54(08)/3947-11
On the difference between empirical mode decomposition and wavelet decomposition in the nonlinear time series
Gong Zhi-Qiang Zou Ming-Wei Gao Xin-Quan Dong Wen-Jie
基金項目：國家重點基礎研究發展規劃(批准號:2004CB418300)和國家自然科學基金(批准號:90411008,40231006)資助的課題.
作者單位：龔志強（揚州大學物理科學與技術學院,揚州,225009;國家氣候中心氣候研究開放實驗室,北京,100081）
鄒明瑋（揚州大學物理科學與技術學院,揚州,225009;中國科學院大氣物理研究所,北京,100029）
高新全（國家氣候中心氣候研究開放實驗室,北京,100081）
董文傑（國家氣候中心氣候研究開放實驗室,北京,100081）
參考文獻：
[1]Huang N E, Shen Z, Long R S et al1998 Proc. R. Soc. Lond. A454 899
[2]Huang N E 1999 Ann. Rev. Fluid Mech. 31 417
[3]Feng G L, Chou J M, Dong W J 2004 Chin. Phys. 13 1582
[4]Feng G L, Dong W J 2003 Chin. Phys. 13 413
[5]Dai X G, Wang P, Chou J F 2004 Prog. Nat. Sci. 14 73
[6]Li J P, Tang Y Y 1999 Application of Wavelet Analysis ( Chongqing:Chongqing University Press)(in Chinese)[李建平、唐遠延1999小波分析方法的應用(重慶:重慶大學出版社)]
[7]Mallat S 1989 IEEE Trans. Signal Proces. 37 2091
[8]Mallat S, Hwang W L 1992IEEE Trans. Inform. Theory 38 617
[9]Xiong X J, Guo B H, Xu Y M 2002 J. Ocean. HB Seas 20 12(in Chinese)[熊學軍、郭炳火、胡筱敏2002黃渤海海洋20 12]
[10]Farge M 1992 Ann. Rev. Fluid Mech. 24 395
[11]Tewfiki A H 1992 IEEE Trans. Inform. Theory 38 747
[12]Li B B 1994 J. Electron. 16 646(in Chinese)[李兵兵 1994 電子科學學刊16 646]
[13]Wang J Z 1998 Auto.Elec.Power Sys.22 40(in Chinese)[王建賾1998電力系統自動化22 40]
[14]Yao T D,Yang X M,Kang X C 2001 Quatern.Sci.21 514(in Chinese)[姚檀棟、楊學梅、康興成2001第四紀研究21 514]
[15]Zhang X P,Yao T D,Jin H J 2000 J.Glaci.Geocr.22 23(in Chinese)[章新平、姚檀棟、金會軍2000冰川凍土22 23]
[16]Zhang X P,Shi Y F,Yao T D 1995 Sci.China D 38 854(in Chinese)[章新平、施雅風、姚檀棟1995中國科學D 38 854]
[17]Yao T D,Jiao K Q,Li Z Q 1994 Sci.China B 24 763(in Chinese)[姚檀棟、焦克勤、李忠勤1994中國科學B 24 763]
[18]Briffa K R 1998 Nature 391 678
[19]Briffa K R 1998 Nature 393 450
[20]Stagke D W 1998 Science 280 564
[21]Briffa K R 1998 Quatern. Sci. Rev. 19 87
[22]Liu C X2001 J.Trop.Meteor.17 381(in Chinese)[劉春霞2001熱帶氣象學報17 381]
4. emd相對於小波分解有什麼優點
木發現有太多優點，目前做emd滴文章作者個人認為都不太懂小波分解，小波分析稍微深入一點滴理論方法都不會使用和了解，於是結果不滿意，就得出emd或其它方法優於小波滴結論，這種結論其實很值得懷疑並不可靠，這風氣已司空見慣了，多是瞎掰為了好發文章罷了。個人見解，僅供參考，不對勿噴！
5. EMD是什麼意思啊
EMD是鐵路內燃機車的發明者
6. EMD是什麼縮寫
經驗模態分解(Empirical Mode Decomposition, 簡稱EMD))方法是由美國NASA的黃鍔博士提出的一種信號分析方法.它依據數據自身的時間尺度特徵來進行信號分解, 無須預先設定任何基函數。這一點與建立在先驗性的諧波基函數和小波基函數上的傅里葉分解與小波分解方法具有本質性的差別。正是由於這樣的特點, EMD 方法在理論上可以應用於任何類型的信號的分解, 因而在處理非平穩及非線性數據上, 具有非常明顯的優勢。所以, EMD方法一經提出就在不同的工程領域得到了迅速有效的應用, 例如用在海洋、大氣、天體觀測資料與地震記錄分析、機械故障診斷、密頻動力系統的阻尼識別以及大型土木工程結構的模態參數識別方面。 經驗模態分解(EmpiilMdDmpiti簡稱EMD)法是美籍華人NdE，Hunag等人於1998年提出的，適合於分析非線性、非平穩信號序列，具有很高的信噪比。該方法的關鍵是經驗模式分解，它能使復雜信號分解為有限個本徵模函數(IntrinsciMdoe Funcotin，簡稱IMF)，所分解出來的各IMF分量包含了原信號的不同時間尺度的局部特徵信號。經驗模態分解法能使非平穩數據進行平穩化處理，然後進行希爾伯特變換獲得時頻譜圖，得到有物理意義的頻率。與短時傅立葉變換、小波分解等方法相比，這種方法是直觀的、直接的、後驗的和自適應的，因為基函數是由數據本身所分解得到。由於分解是基於信號序列時間尺度的局部特性，因此具有自適應性。
對數據信號進行MED分解就是為了獲得本徵模函數，因此，在介紹MED分析方法的具體過程之前，有必要先介紹EMD分解過程中所涉及的基本概念的定義:本徵模函數，這是掌握EMD方法的基礎。
本徵模函數
在物理上，如果瞬時頻率有意義，那麼函數必須是對稱的，局部均值為零，並且具有相同的過零點和極值點數目。在此基礎上，NordneE.Hunag等人提出了本徵模函數(IntrinsciMdoeFunctino，簡稱IMF)的概念。本徵模函數任意一點的瞬時頻率都是有意義的。Hunag等人認為任何信號都是由若干本徵模函數組成，任何時候，一個信號都可以包含若干個本徵模函數，如果本徵模函數之間相互重疊，便形成復合信號。EMD分解的目的就是為了獲取本徵模函數，然後再對各本徵模函數進行希爾伯特變換，得到希爾伯特譜。 Hunag認為，一個本徵模函數必須滿足以下兩個條件: (1)l函數在整個時間范圍內，局部極值點和過零點的數目必須相等，或最多相差一個; (2)在任意時刻點，局部最大值的包絡(上包絡線)和局部最小值的包絡(下包絡線) 平均必須為零。 第一個條件是很明顯的，它與傳統的平穩高斯信號的窄帶要求類似。對於第二個條件，是一個新的概念，它把經典的全局性要求修改為局部性要求，使瞬時頻率不再受不對稱波形所形成的不必要的波動所影響。實際上，這個條件應為「數據的局部均值是零」。但是對於非平穩數據來說，計算局部均值涉及到「局部時間尺度」的概念，而這是很難定義的。因此，在第二個條件中使用了局部極大值包絡和局部極小值包絡的平均為零來代替，使信號的波形局部對稱。Huang等人研究表明，在一般情況下，使用這種代替，瞬時頻率還是符合所研究系統的物理意義。本徵模函數表徵了數據的內在的振動模式。由本徵模函數的定義可知，由過零點所定義的本徵模函數的每一個振動周期，只有一個振動模式，沒有其他復雜的騎波;一個本徵模函數沒有約束為是一個窄帶信號，並且可以是頻率和幅值的調制，還可以是非穩態的;單由頻率或單由幅值調制的信號也可成為本徵模函數。
EMD方法的分解過程
由於大多數所有要分析的數據都不是本徵模函數，在任意時間點上，數據可能包含多個波動模式，這就是簡單的希爾伯特變換不能完全表徵一般數據的頻率特性的原因。於是需要對原數據進行EMD分解來獲得本徵模函數。 EMD分解方法是基於以下假設條件:(1)數據至少有兩個極值，一個最大值和一個最小值;(2)數據的局部時域特性是由極值點間的時間尺度唯一確定;(3)如果數據沒有極值點但有拐點，則可以通過對數據微分一次或多次求得極值，然後再通過積分來獲得分解結果。這種方法的本質是通過數據的特徵時間尺度來獲得本徵波動模式，然後分解數據。這種分解過程可以形象地稱之為「篩選(shitfing)」過程。 分解過程是:找出原數據序列X()t所有的極大值點並用三次樣條插值函數擬合形成原數據的上包絡線;同樣，找出所有的極小值點，並將所有的極小值點通過三次樣條插值函數擬合形成數據的下包絡線，上包絡線和下包絡線的均值記作ml，將原數據序列X(t)減去該平均包絡ml，得到一個新的數據序列h，: X(t)-ml=hl 由原數據減去包絡平均後的新數據，若還存在負的局部極大值和正的局部極小值，說明這還不是一個本徵模函數，需要繼續進行「篩選」。
7. 什麼軟體可以做EMD（經驗模態分解法）分析
tion method can effectively extract nonlinear unstable signal feature of instantaneous. This paper based on the EMD method and wavelet threshold value decomposition methods for noise signal de-noising, and through comparison and analysis, the experimental results proved the advantages and disadvantages of each. EMD method of threshold of high frequency part of signal effect is good, can be very good to retain the high frequency part of signal. Reflect EMD threshold denoising method.
~0~
8. 最新的信號處理時頻分析方法有哪些呢除了小波，EMD之外的
提升小波分析，基於主從粒子群的模糊神經網路方法等