eemd工具箱

电力负荷预测是电力系统规划的重要组成部分。为了使电力系统安全经济平稳的运行，由此特别需要精确的电力负荷预测方法。为了实现更好负荷预测方法，文中将经验模态分解（EMD）与新兴的电力负荷预测模型分形理论相结合，提出了EMD-分形负荷预测模型。为了证明此方法的有效性，文中将这种新的预测模型跟分形预测模型和BP神经网络预测模型相比较。最终通过仿真算例说明了本文提出的这种新型预测方法精度更高，几乎所有的误差都在2％以下，预测结果更好，可以很好的应用在电力系统负荷预测中。

EMD的matlab代码分享MSN：用于密集点云完成的变形和采样网络 MSN是一种基于学习的形状补全方法，可以保留已知结构并生成密集且分布均匀的点云。 有关更多详细信息，请参阅我们的 AAAI 2020。 在这个项目中，我们还提供了点云的地球移动距离（EMD）的实现，它基于拍卖算法，只需要 $O(n)$ 内存。 完成后获得 32,768 分 用法 1) 环境和先决条件 pytorch 1.2.0 CUDA 10.0 Python 3.7 2) 编译 编译我们的扩展模块： cd emd python3 setup.py install cd expansion_penalty python3 setup.py install cd MDS python3 setup.py install 3) 下载数据和训练好的模型 从 下载数据和训练模型。 由于规模较大，我们不提供训练集的部分点云。 如果要训练模型，可以使用 和 生成它们。 我们为每个 CAD 模型生成 50 个局部点云。 4) 训练或验证 运行python3 val.py来验证模型或python3 train.py从头训练模型。 E

经验模态分解（Empirical Mode Decomposition,EMD）法是黄锷（N. E. Huang）在美国国家宇航局与其他人于1998年创造性地提出的一种新型自适应信号时频处理方法，特别适用于非线性非平稳信号的分析处理。对经过EMD处理的信号再进行希尔伯特变换，就组成了大名鼎鼎的“希尔伯特—黄变换”（HHT）。由于脑电信号处理很少在EMD之后接上希尔伯特变换，在这里仅介绍EMD的相关基础知识。 　　EMD其实就是一种对信号进行分解的方法，与傅里叶变换、小波变换的核心思想一致，大家都想将信号分解为各个相互独立的成分的叠加；只不过傅里叶变换以及小波变换都要求要有基函数，而EMD却完全抛开了基函数的束缚，仅仅依据数据自身的时间尺度特征来进行信号分解，具备自适应性。由于无需基函数，EMD几乎可以用于任何类型信号的分解，尤其是在非线性、非平稳信号的分解上具有明显的优势。 　　EMD的目的是将信号分解为多个本征模函数（IMF）的叠加。IMF必需要满足以下两个条件： 　　（1）函数在整个时间范围内，局部极值点和过零点的数目必须相等，或最多相差一个； 　　（2）在任意时刻点，局部最大值的包络（上包络线）和局部最小值的包络（下包络线） 平均必须为零。 　　为什么IMF一定要满足这两个条件呢？经黄锷等人的研究，满足这两个条件的信号都是单组分的，相当于序列的每一个点只有一个瞬时频率，无其他频率组分叠加。这就为后续的希尔伯特变换铺平了道路，也使得瞬时频率有了意义。 　　值得一提的是，EMD在数学上还有一些细节无法证明，但是EMD已经在工程领域取得了辉煌的成就，这也是在科学界工程领先理论的一个例子。

EMD呼吸心跳仿真实例（MATLAB） 基于 EMD、CEEMDAN 算法比较的呼吸心跳信号检测实例（去除呼吸旁瓣干扰，测量心跳频率） 比较了EMD与CEEMDAN算法的优劣 呼吸信号旁瓣通过 Sa() 函数旁瓣模拟 流程： 1、仿真心跳呼吸模型，并加入 SNR dB噪声； 2、采用基于小波Stein分层软阈值算法对信号降噪； 3、采用 EMD 模型通过互相关性判断呼吸信号频率，原信号-重构的呼吸信号得到心跳信号； 4、采用CEEMDAN模型通过互相关性判断呼吸信号频率，原信号-重构的呼吸信号得到心跳信号。 结论： HeartBeat_A = 0.3时，EMD算法不能有效检测出心跳信号，CEEMDAN能检测出心跳信号； HeartBeat_A <=0.3时，EMD 与 CEEMDAN均不能检测出心跳信号。 CEEMDAN比EMD效果好 欢迎讨论学习

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包和经验模态分解(Empirical Mode Decomposition,简称EMD)的滚动轴承故障诊断方法。该方法用小波包对振动信号进行预处理,用Hilbert变换求重构信号的包络,采用EMD方法将包络信号分解为若干个IMF分量,让故障信息得到凸显,然后根据某个分量的频谱,判断滚动轴承的故障类型。实验结果表明,比传统的时频分析方法,该方法能够更有效地提取轴承故障特征,诊断轴承故障。

emd MATLAB最新源程序，下载后可直接用于项目开发。

emd-icm42670-P_examples-2.1.2.PDF.rar

基于EMD-小波方法的雷电电场信号降噪

Matlab仿真未归一化的最优运输 一个存储库，其中包含用于在一维和二维中计算非标准化Wasserstein-2（UW-2）距离的代码。 该代码取自： Gangbo，Wilfrid等。 “未归一化的最佳运输。” arXiv预印本arXiv：1902.03367（2019）。 该代码是用C ++和Mex包装器编写的，因此可以使用Matlab调用该代码。 文件内容如下： UnnormalizedOTSolver1D.cpp / h-一个C ++类，可用于实际计算1维的UW-2。 有关用法示例，请参见main.cpp UnnormalizedOTSolver.cpp / h-与上面相同，但用于二维计算UW-2。 main.cpp-包括C ++接口的示例用法以及用于在2维中计算UW-2的mex入口点。 如果在没有mex编译器的情况下编译代码，则代码的Matlab部分将被自动排除。 有关mex示例，请参阅mex_unbalanced_emd_code.m。 MexUnnormalizedOtSolver1DEntry.cpp-用于计算1维UW-2的混合代码的入口点。 有关示例用法，请参阅mex_