經驗模態分解

經驗模態分解(Empirical Mode Decomposition,簡稱EMD)法是美籍華人N. E. Huang等人於1998年提出的，適合於分析非線性、非平穩信號序列，具有很高的信噪比。該方法的關鍵是經驗模式分解，它能使複雜信號分解為有限個本徵模函式(Intrinsic Mode Function，簡稱IMF)，所分解出來的各IMF分量包含了原信號的不同時間尺度的局部特徵信號。

定義

經驗模態分解(Empirical Mode Decomposition, 簡稱EMD))方法是由美國NASA的黃鍔博士提出的一種信號分析方法.

運作原理

它依據數據自身的時間尺度特徵來進行信號分解, 無須預先設定任何基函式。這一點與建立在先驗性的諧波基函式和小波基函式上的傅立葉分解與小波分解方法具有本質性的差別。正是由於這樣的特點, EMD 方法在理論上可以套用於任何類型的信號的分解, 因而在處理非平穩及非線性數據上, 具有非常明顯的優勢。所以, EMD方法一經提出就在不同的工程領域得到了迅速有效的套用, 例如用在海洋、大氣、天體觀測資料與地震記錄分析、機械故障診斷、密頻動力系統的阻尼識別以及大型土木工程結構的模態參數識別方面。