CEEMDAN python代码

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：

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。