基于EMD的广义互相关时延估计，孙书学，吕艳新，提出一种基于经验模式分解（Empirical Mode Decomposition，EMD）的广义互相关时延估计方法，用来解决信号非稳态且采集信号的各个通道间存�

介绍了短时傅里叶变换、Cohen类时频分布、小波变换、Hilbert-Huang变换四种典型的时频分析方法，分析对比结果显示了用Hilbert-Huang变换对声音信号进行时频分析的优越性，结合LabVIEW在数据采集和仪器控制领域的强大功能，提出以声卡作为采集硬件、LabVIEW作为软件编程、Hilbert-Huang变换作为时频分析方法的一种声音信号采集分析系统。实验结果表明，这种采集分析系统非常适合频率在音频范围之内（20 Hz~20 kHz）的声音信号的时频谱分析。

包含emd分解代码，以及其改进算法eemd的代码，可以直接使用

emd的MATLAB工具箱!基于经验模态分解的工具箱

包含EMD的各种函数，大家有兴趣的话，可以参考一下！

EEMD Matlab代码最初来自 由于新的Matlab 2019b没有eemd，因此需要eemd。 非常感谢老板。 使用EMD去噪ECG 这些MATLAB代码是基于CEEMDAN的ECG去噪技术的实现，该技术基于以下指导的文献。 这是孟买IIT的一个学期研究项目的一部分。 main_HF_2008c326.m：这是基于2008年论文使用CEEMDAN消除高频噪声的主文件。 main_BW_2015c2.m：这是使用基于2015年论文的CEEMDAN消除Baseline Wander信号的主文件。 main_HF_2012c89.m：这是主要文件，但根据2012年论文，该文件未能成功消除高频噪声。 其他所有“ .m”文件不是最终代码，都是上面列出的主文件的支持代码。 所有三篇论文均附有提供CEEMDAN方法的论文（2014年论文）

emd 和 eemd 的MATLAB源程序，供大家参考学习了

本文采用经验模式分解（EMD）和BP_AdaBoost神经网络对油价进行建模。 基于这两种方法的优势，我们通过使用它们来预测油价。 在一定程度上有效地提高了短期价格预测的准确性。 将该模型的预测结果与ARIMA模型，BP神经网络和EMD-BP组合模型的结果进行比较。 实验结果表明，EMD和BP_AdaBoost模型的均方根误差（RMSE），平均绝对误差（MAE），平均绝对百分比误差（MAPE）和Theil不等式（U）均低于其他模型，并且组合模型具有更好的预测精度。

针对低信噪比信号的去噪问题，提出了一种基于经验模态分解的小波阈值去噪方法，并与小波变换去噪法的效果相比较。试验结果证明，当信号的信噪比较小时，基于经验模态分解的小波阈值去噪效果是相当有效和稳定的，为研究环境脉动下结构的输出信号去噪处理提供了新的手段。

1、下载后解压放在matlab的toolbox工作路径下package_emd文件夹。 2、打开matlab，选择File- Set Path- Add with Subfolders-你刚才下载的工具箱（package_emd）点进去- Save- Close。 3、此时选择work下package_emd文件夹作为工作路径，即是C:\Program Files\MATLAB\R2010a\toolbox\package_emd。 4、在Command Window里面输入mex -setup回车，问是否选择已有的编译器你选y回车，再问选择哪个编译器，你可以选择C++的那个选择相应的编号（如 2）回车，然后让你核对是否选择对了编译器等等，你输入y回车。就安装成功了。