经验模态分解

经验模态分解（EMD）能使复杂信号分解为有限个本征模函数（IMF），所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。在EMD中，将数据x(t)分解为IMFs和残差项，即：

是不同分解下的IMFs， 是残差项，n是IMFs的个数。
EMD分解的流程为：
（1）识别时间序列X(t)的所有局部极值，包括局部最大值和最小值；
（2）将所有这些局部极大值和极小值分别用三次样条插值函数拟合形成原数据的上包络线和下包络线。表示上包络线为xu(t)，下包络线为xl(t)；
（3）计算上下包络线的平均包络线：

（4）将原数据序列X(t）减去平均包络m(t)，得到一个新的数据序列h(t)

（5）判断终止标准是否满足，如果满足，则输出x(t)作为剩余 ，停止分解计算；若不满足，则第6步
（6）设h(t)为IMFs之一， ；
（7）用残差r(t)代替x(t)，之后执行第1步

在第5步中使用的终止准则为：
，（i=1,2,…;t=1,2,…,N）
N是数据点个数，δ是终止参数，i是迭代次数。终止参数δ是自己设定的。
经验模态分解有一些缺点，比如端点效应。有一些方法可以解决，有神经网络扩展法、镜像极值扩展法和自回归模型扩展法等。