LMD自适应分解Python代码

LMD（Local Mean Decomposition，局部均值分解）是一种信号分解方法，用于将信号分解为多个局部均值和局部振幅成分。下面是一个基本的LMD自适应分解的Python代码示例：

import numpy as np
import matplotlib.pyplot as plt

def lmd_decomposition(signal, num_iterations=10, stopping_criteria=0.01):
    components = []
    residue = signal.copy()
    
    for iteration in range(num_iterations):
        local_mean = np.mean(residue)
        detail = residue - local_mean
        components.append(local_mean)
        
        if np.max(np.abs(detail)) < stopping_criteria:
            break
        
        residue = detail.copy()
    
    components.append(residue)
    
    return components

# 示例使用
# 生成一个示例信号
t = np.arange(0, 1, 0.01)
signal = np.sin(2 * np.pi * 5 * t) + np.sin(2 * np.pi * 10 * t) + np.sin(2 * np.pi * 15 * t)

# 进行LMD分解
components = lmd_decomposition(signal)

# 绘制分解结果
plt.figure(figsize=(10, 6))
plt.subplot(len(components), 1, 1)
plt.plot(signal)
plt.title("Original Signal")

for i in range(len(components)):
    plt.subplot(len(components), 1, i+2)
    plt.plot(components[i])
    plt.title("Component {}".format(i+1))

plt.tight_layout()
plt.show()

这段代码中的`lmd_decomposition`函数接受一个信号作为输入，并使用LMD算法将信号分解为多个局部均值成分和一个残差成分。在每个迭代步骤中，计算信号的局部均值，并将其与原始信号相减得到细节成分。重复这个过程直到细节成分的振幅低于指定的停止条件。最后，返回所有的局部均值成分和残差成分。

在示例中，我们生成一个包含三个正弦波的示例信号，并使用LMD分解将其分解为三个局部均值成分和一个残差成分。然后，我们绘制原始信号和分解后的各个成分。