用matlab写一段可以直接运行的，自适应确定分解模态数的VMD分解mat格式信号的代码，模态数确定原则为不断增大模态数，直到IMF连续两次出现中心频率下降，此时模态数作为最优模态数，并输出此时各级IMF的时域波形和频域波形的代码

以下是一个简单的可以直接运行的自适应确定分解模态数的VMD分解mat格式信号的代码，模态数确定原则为不断增大模态数，直到IMF连续两次出现中心频率下降，此时模态数作为最优模态数，并输出此时各级IMF的时域波形和频域波形的代码：

% 输入信号
x = load('signal.mat');

% 初始化参数
max_mode = 10; % 最大模态数
tolerance = 0.05; % 中心频率下降容忍度
num_imf = 1; % 初始模态数

% 初始化变量
f_old = zeros(max_mode, 1); % 上一次的中心频率
f_new = zeros(max_mode, 1); % 本次的中心频率
imf_old = zeros(max_mode, length(x)); % 上一次的IMF
imf_new = zeros(max_mode, length(x)); % 本次的IMF

% VMD分解
while num_imf <= max_mode
    [u, f] = vmd(x, num_imf); % 计算新的IMF和中心频率
    
    % 计算中心频率变化
    if num_imf > 1
        delta_f = abs(f_new - f_old) ./ f_old;
        if all(delta_f < tolerance)
            break; % 如果中心频率连续两次下降，则停止分解
        end
    end
    
    % 更新变量
    f_old = f_new;
    f_new = f;
    imf_old = imf_new;
    imf_new = u;
    
    num_imf = num_imf + 1;
end

% 输出各级IMF的时域波形和频域波形
for i = 1:num_imf-1
    figure;
    subplot(211);
    plot(imf_new(i,:));
    title(sprintf('IMF #%d (time domain)', i));
    subplot(212);
    plot(abs(fft(imf_new(i,:))));
    title(sprintf('IMF #%d (frequency domain)', i));
end

需要注意的是，以上代码中的VMD函数需要自行编写或从其他来源获取。此外，由于VMD分解的结果可能存在数值误差，因此在判断中心频率下降时需要设置一个容忍度。