经验模态分解 matlab代码

以下是一个用MATLAB实现经验模态分解（Empirical Mode Decomposition，简称EMD）的代码示例：

function [IMFs, residue] = emd(signal)
    N = length(signal);
    IMFs = [];
    residue = signal;
    
    while true
        % 计算极值点
        maxima = islocalmax(residue);
        minima = islocalmin(residue);
        
        % 找到极大值和极小值的索引
        maxima_idx = find(maxima);
        minima_idx = find(minima);
        
        % 如果无极值点或者只有一个极值点，则终止分解
        if isempty(maxima_idx) || isempty(minima_idx) || length(maxima_idx) < 2 || length(minima_idx) < 2
            break;
        end
        
        % 构造上包络和下包络
        upper_env = interp1(maxima_idx, residue(maxima), 1:N, 'pchip');
        lower_env = interp1(minima_idx, residue(minima), 1:N, 'pchip');
        
        % 计算平均包络
        mean_env = (upper_env + lower_env) / 2;
        
        % 计算当前IMF
        IMF = residue - mean_env;
        
        % 判断当前IMF是否是物理意义上的IMF
        if isimf(IMF)
            IMFs = [IMFs; IMF];
            residue = residue - IMF;
        else
            break;
        end
    end
end

% 判断是否为IMF的辅助函数
function flag = isimf(signal)
    N = length(signal);
    
    % 计算零交叉点数
    zero_crossings = 0;
    for i = 2:N-1
        if (signal(i) > 0 && signal(i+1) < 0) || (signal(i) < 0 && signal(i+1) > 0)
            zero_crossings = zero_crossings + 1;
        end
    end
    
    % 计算信号的振幅
    amplitude = sum(abs(hilbert(signal)));
    
    % 判断条件
    flag = zero_crossings <= 2 && amplitude > 0.01 * N;
end

使用上述代码，你可以将信号作为输入参数传递给`emd`函数，并获得经验模态分解后的各个IMF（Intrinsic Mode Function）和残差信号。例如：

% 示例：使用EMD分解信号
signal = % 这里填入你想要分解的信号
[IMFs, residue] = emd(signal);

% 打印出IMFs和残差信号
disp('IMFs:');
for i = 1:size(IMFs, 1)
    disp(['IMF ', num2str(i)]);
    disp(IMFs(i, :));
end

disp('Residue:');
disp(residue);

请确保在代码中填入你自己的信号，然后运行代码即可得到相应的IMFs和残差信号。希望这能帮助到你！