用emd分解时序数据的python代码

以下是使用EMD分解时序数据的Python代码示例：

import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import find_peaks
from pyemd import emd

# 生成原始时序数据
t = np.linspace(0, 1, 1000)
signal = np.sin(2 * np.pi * 5 * t) + np.sin(2 * np.pi * 10 * t)

# 用EMD分解时序数据
IMFs = []
residue = signal
while True:
    IMF = residue - np.mean(residue)
    max_peak, _ = find_peaks(IMF, distance=100)
    min_peak, _ = find_peaks(-IMF, distance=100)
    if len(max_peak) + len(min_peak) > 2 or len(IMFs) == 10:
        break
    IMFs.append(IMF)
    residue = residue - IMF

# 计算每个IMF之间的距离
emd_dist_matrix = np.zeros((len(IMFs), len(IMFs)))
for i in range(len(IMFs)):
    for j in range(len(IMFs)):
        if i == j:
            continue
        emd_dist_matrix[i][j] = emd(IMFs[i], IMFs[j])

# 打印IMFs和距离矩阵
print("IMFs: ", IMFs)
print("EMD distance matrix: ", emd_dist_matrix)

# 绘制原始信号和分解出的IMFs
plt.plot(t, signal, label="Original signal")
for i, IMF in enumerate(IMFs):
    plt.plot(t, IMF, label="IMF{}".format(i+1))
plt.legend()
plt.show()

在上面的代码中，我们首先生成一个带有5Hz和10Hz正弦波的时序数据。然后我们使用EMD分解该时序数据，并计算每个IMF之间的距离矩阵。最后，我们打印分解出的IMFs和距离矩阵，并绘制原始信号和分解出的IMFs。请注意，这只是一个简单的示例，您可以根据自己的需求调整代码。