内容概要：本文介绍了一种新的优化算法——冠豪猪优化算法（CPO），并将其应用于变分模态分解（VMD）中，以优化VMD的参数。CPO算法通过模拟冠豪猪的觅食行为，在多维度、非线性和复杂问题的求解中表现出色。文中详细介绍了CPO-VMD优化方法的具体步骤，包括初始化参数、选择适应度函数、运行CPO算法、进行VMD分解以及评估与选择最佳参数。实验部分展示了使用单列信号数据（如故障信号、风电等时间序列数据）进行的实验，验证了CPO-VMD方法的有效性。 适合人群：从事信号处理、故障诊断、风电等相关领域的研究人员和技术人员。 使用场景及目标：适用于需要对复杂信号进行有效分解和处理的场合，特别是那些涉及多维度、非线性和复杂问题的研究项目。目标是通过优化VMD参数，提升信号处理的精度和效率。 其他说明：程序已在Matlab上调试完成，可以直接运行，仅需替换Excel数据。支持四种适应度函数的选择，分别为最小包络熵、最小样本熵、最小信息熵和最小排列熵。

VMD算法的原matlab原代码 在代码中本人添加了详细的注释，看源代码期间配合本人发表的博客会实现VMD的快速入门

该算法为vmd算法 ，具有可确定的各个模态分量，可根据中心频率相近原则确定最佳阶说

变分模态分解（Variational Mode Decomposition,VMD）是由 Dragomiretskiy 等人提出的一种自适应信号处理方法，通过迭代搜寻变分模态 的最优解，不断更新各模态函数及中心频率，得到若干具有一定宽带的模态函数。

最近毕设在做基于VMD的算法，我花了一天时间翻遍了全网，才找到可以不用会员或者充值就能下载而且能用的VMD函数源代码，CSDN上都是付费的。省了后续有人做这个的时候再费尽周折，所以知识共享，上传并免费提供下载。

子函数，VMD，信号合成与分解，通过镜像延拓改变信号的振幅，借以.....，可以自己修改内置的参数改变函数的作用，但算法主体思想不变，有参考意义，不能直接拿来使用，适用性不一样

针对论文：基于ＶＭＤ的故障特征信号提取方法，本人对论文中的仿真信号部分进行了复现，首先产生仿真信号；其次，利用VMD对信号进行分解，运用排列熵确定含高噪分量，然后对低噪分量进行重构；最后，将重构的信号进行分解，发现分量与最初的原始仿真信号基本一致。说明去噪效果较好。

利用VMD可以很好的分解信号，可以分解滚动轴承的原始数据和自己的信号仿真数据

根据https://www.cnblogs.com/xingshansi/p/6511916.html分享的matlab代码改编