ICEEMDAN（Intrinsic Computing Expressive Empirical Mode Decomposition With Adaptive Noise，自适应噪声的内在计算表达式经验模态分解）是一种新型的自适应信号分解方法，可以处理非线性和不平稳信号，并且具有较好的局部时频分析能力。该方法将经验模态分解（EMD）与自适应噪声控制技术相结合，并在EMD的基础上引入了自适应均值移动（AEMD）和自适应极值较大跳跃（AEMD-H）来实现信号的分解。

ICEEMDAN方法的主要步骤包括：

(资料图)

1. 对原始信号进行AEMD分解，得到一组IMFs（内在模态函数）；

2. 对每个IMF进行AEMD-H分解，得到更细节的IMFs；

3. 对分解后的IMFs进行自适应噪声控制，去除噪声干扰；

4. 重构原始信号。

ICEEMDAN方法采用了自适应噪声控制技术来降低噪声的影响，同时引入了AEMD和AEMD-H来实现对信号的多级分解，从而更好地捕捉信号的局部时频特征。然而，由于计算量较大，对参数的选择也较为敏感，因此在实际应用中需要仔细选择参数。

（1）原始信号

（2）ICEEMDAN分解的效果图(时域图)

（3）ICEEMDAN分解的效果图(时域图和频谱图)

具体代码见：/o/bread/mbd-ZJqYmJ9p

标签：