写一段MVMD（多元变分模态分解）python代码

多元变分模态分解（Multivariate Variational Mode Decomposition，简称MVMD）是一种用于信号处理的技术，它可以将复杂信号分解为有限个本征模态函数（Intrinsic Mode Functions，IMFs）的和。MVMD的Python实现可以使用现有的库，比如`PyMVMD`。

下面是一个简单的示例代码，展示了如何使用`PyMVMD`库进行MVMD分解：

import numpy as np
from pymvmd import MVMD

# 创建一个模拟信号，例如两个不同频率的正弦波叠加
fs = 1000  # 采样频率
t = np.linspace(0, 1, fs)  # 时间向量
f1, f2 = 5, 150  # 两个频率分量
signal = 0.6 * np.sin(2 * np.pi * f1 * t) + 0.3 * np.sin(2 * np.pi * f2 * t)

# 初始化MVMD参数
n_modes = 2  # 假设我们想要得到两个模态
alpha = 2000  # 平衡数据拟合度和分量分离度的参数
tau = 0  # 滑动平均窗口的大小，此处为0表示不使用
init = 1  # 初始化方法，1表示随机初始化
tol = 1e-6  # 收敛容忍度
DC = True  # 是否处理直流分量
K_max = 10  # 最大迭代次数

# 创建MVMD实例并拟合信号
mvmd = MVMD(n_modes=n_modes, alpha=alpha, tau=tau, init=init, tol=tol, DC=DC, K_max=K_max)
mvmd.fit(signal)

# 获取分解结果
modes = mvmd.getModes()

# 打印结果
for i in range(n_modes):
    print(f"Mode {i+1}:")
    print(modes[i, :])

# 可视化结果
mvmd.plot()

在使用这段代码之前，请确保已经安装了`PyMVMD`库。如果没有安装，可以使用pip进行安装：

pip install pymvmd

请注意，上述代码中的参数（如`alpha`、`n_modes`、`tau`等）需要根据实际信号进行调整，以获得最佳的分解效果。