数字信号处理技术（四）集合经验模态分解算法(EEMD)Python代码

本文仅对集合经验模态分解算法(EEMD)的原理简单介绍和重点介绍模型的应用。

1、EEMD原理

集合经验模态分解算法(EEMD)是EMD的一种改进方法，其最大的优点就是克服了EMD模态混叠现象。

2、 VMD应用实战

2.1 简介

研究方向是时间序列数据预测，采用的数据都是时间序列数据，本次实验的数据集是海浪高度数据信息。

2.2 数据集

链接：https://pan.baidu.com/s/1H-g_FkGHqTJD9nTzbnnzog
提取码：604m
对数据进行预处理等操作，在此不做介绍。后面有时间，可以专门介绍一下预处理的操作方式。

2.3 实验

实验代码演示

import pandas as pd
import numpy as np

##载入时间序列数据
def get_data(path,i):
    data = pd.read_csv(path,usecols=[i])
    data = data.values
    return data

def get_eemd(data):
    """
    信号参数：
    N:采样频率500Hz
    tMin:采样开始时间
    tMax:采样结束时间 2*np.pi
    """

def plot_imf(data_value,E_IMFs):
    
# 保存分量
def save_imf(E_IMFs):  

def test():
    path = "sample.csv"
    data = get_data(path,0)
    E_IMFs  = get_eemd(data)
    plot_imf(data,E_IMFs)
    save_imf(E_IMFs)

if  __name__ =="__main__":
    test()

2.3 结果

分量可视化

频率可视化

3. 总结

首先，确定数据集中的数据形式；
其次，找到相关的代码模型，进行调试；
接着，将你的数据集输入到模型中，进行实验；
最后，根据实验结果进行相关分析。

注意

要代码私信我，会发的。