?

?

? ? PyEMD是經驗模式分解(EMD)及其變體的Python實現。最流行的擴展之一是集成經驗模態分解(EEMD)，它利用了噪聲輔助執行的集成。

? ? EMD的結果是得到一組具有振蕩特征的分量。在普通EMD算法中，這些被稱為固有模態函數(IMFs)，因為它們被期望具有單一模態。相反，EEMD不太可能產生純振蕩，因為注入噪聲的影響可以在整個分解過程中傳播。

? ?

? ??為了獲得最新版本，建議從git存儲庫下載源代碼。別擔心，安裝很簡單。直接從GitHub或使用命令lin下載這個目錄即可：

? ?然后進入下載的項目，從命令行運行：

? ?

? ? ?從PyPi獲得的打包版本稍微落后于這個項目，因此一些特性可能不一樣。然而，它似乎是安裝Python包最簡單/最好的方法，為什么不使用這個呢?

?

?

?主要用途：

? ? ? 大多數(如果不是全部的話)方法遵循相同的使用模式：

? ? ? ? ? ? ?導入方法

? ? ? ? ? ??初始化方法

? ? ? ? ? ??將方法應用于普通EMD上

? ? ??

? ? ? ? ?

?參數：

? ? ?通過調整篩選或停止條件相關的參數，可以改變分解過程。

篩選：

? ? ?篩選取決于使用的方法，因此這些參數應該在方法中查看。然而，典型的參數與樣條方法或鏡像點的數目有關。

停止條件：

? ? 所有方法都有相同的兩個條件，FIXE和FIXE_H，用于停止與篩選迭代次數相關的操作。將參數FIXE設置為任何正值都可以將每個IMF的迭代次數設置為FIXE。

?

? ? FIXE_H參數表示原IMF信號滿足IMF條件時的迭代次數，即極值和過零次數相差最多為1，均值接近于0。這意味著每個IMF至少會有FIXE_H迭代。

? ?當FIXE和FIXE_H都為0時，將檢查其他條件。這些可以檢查連續迭代之間的收斂性或輸出的振幅是否低于可接受的范圍。

?

?EMD的使用：

下面是舉的例子：

? ? ?在大多數情況下，默認設置就足夠了。只需導入EMD并將信號傳遞給EMD方法。

?

? ?下面是關于如何創建和繪制結果的完整腳本。

?

下圖是在輸入的情況下生成的:

?

?

?

?

EEMD使用：

? ? ? ?使用Esnembld EMD (EEMD)最簡單的情況是導入EEMD并將信號傳遞給EEMD方法。

?

? ??

?

?

轉載于:https://www.cnblogs.com/xubingkuai/p/10314245.html

總結

以上是生活随笔為你收集整理的pyemd资料学习 2019.1.24 https://media.readthedocs.org/pdf/pyemd/latest/pyemd.pdf的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。