变分模态分解（VMD）前言

1.基本思想
变分模态分解（Variational Mode Decomposition,VMD）是由 Dragomiretskiy 等人提出的一种自适应信号处理方法，通过迭代搜寻变分模态 的最优解，不断更新各模态函数及中心频率，得到若干具有一定宽带的模态函数。

2.特点
2.1 优点
（1）有坚实的理论基础；(利用数学中泛函分析变分理论)
（2）对采样和噪声具有较强的鲁棒性（robust）； 鲁棒性：健壮、强壮 注：采样点的个数、噪声的大小对 VMD 算法影响较小
（3）能够有效避免模态混叠现象。（不是说没有，需要控制 带宽） 注：模态混叠是指一个 IMF 中包含差异极大的特征尺度，或者相近的特征时间尺 度分布在不同的 IMF 中，导致俩个相邻的 IMF 波形混叠，相互影响。 换句话来说就是：当信号的时间尺度存在阶跃变化时，对信号进行 EMD 分解，会 出现一个 IMF 分量包含不同时间尺度特征的情况。
https://www.cnblogs.com/WJ-0808/p/5745553.html

2.2 缺点
（1）需要预先定义模态数 K；
（2）最大的局限性是边界效应和突发的信号；边界效应好处理，突发信号不好 处理。
（3）长期模态的频谱会随时间的增加而急剧变化，并且会在全局范围内重叠。 注：如果信号很长（数据量大），带宽可能会重叠；
解决方式：分段！

3.变分模态分解应用领域
3.1 信号分解
VMD 分解得到若干本征模态函数分量，有选择的进行信号重构； 3.2 提取信号特征
找出贡献大（排列熵、样本熵、能量比、相关性等等）分量；
3.3 降噪地震信号去噪；
3.4 故障诊断 轴承先前故障、齿轮故障；
3.5 识别分类 先 VMD，再 SVM；
3.6 图像处理 医用图像去噪，用 2D_VMD；