CEEMDAN python代码
时间: 2024-03-07 21:45:24 浏览: 150
CEEMDAN(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise)是一种信号处理方法,用于将非线性和非平稳信号分解成一组固有模态函数(Intrinsic Mode Functions,简称IMFs)。下面是CEEMDAN的Python代码示例:
```python
import numpy as np
import matplotlib.pyplot as plt
def ceemdan(signal, num_sifts, ensemble_size):
imfs = []
for _ in range(ensemble_size):
sifts = []
residue = signal
for _ in range(num_sifts):
mean = np.mean(residue)
sift = np.zeros_like(residue)
sift[0] = residue[0] - mean
while not is_monotonic(sift):
sift = sift + residue - np.cumsum(sift)
sifts.append(sift)
residue = residue - sift
imfs.append(sifts)
return imfs
def is_monotonic(signal):
return all(x <= y for x, y in zip(signal, signal[1:])) or all(x >= y for x, y in zip(signal, signal[1:]))
# 示例用法
signal = np.random.rand(100) # 假设有一个随机信号
num_sifts = 5 # SIFT迭代次数
ensemble_size = 10 # 集成数量
imfs = ceemdan(signal, num_sifts, ensemble_size)
# 绘制结果
plt.figure(figsize=(10, 6))
plt.subplot(2, 1, 1)
plt.plot(signal)
plt.title('Original Signal')
plt.subplot(2, 1, 2)
for i in range(num_sifts):
plt.plot(np.mean(imfs[:, i], axis=0))
plt.title('IMFs')
plt.tight_layout()
plt.show()
```
这段代码实现了CEEMDAN算法,其中`ceemdan`函数接受一个信号、SIFT迭代次数和集成数量作为输入,并返回一组IMFs。`is_monotonic`函数用于检查一个信号是否是单调的。示例用法中,我们生成了一个随机信号,并将其分解成5个IMFs,然后绘制了原始信号和每个IMF的平均值。
阅读全文