信号分解、模态分解方法合集【MATLAB实现】，适合新手学习和改进使用！
分解方法的简要介绍：
-
EMD（经验模态分解） ：自适应分解非平稳信号为本征模态函数（IMF），基于信号局部极值点包络。无需预设基函数，但易受模态混叠影响。
-
TVF-EMD（时变滤波的经验模态分解） ：改进EMD，引入时变滤波技术。通过瞬时频率约束筛选IMF，有效抑制模态混叠和端点效应。
-
EEMD（集成经验模态分解） ：通过添加白噪声的多次EMD集成平均。噪声辅助降低模态混叠，但计算量大且残留噪声。
-
VMD（变分模态分解） ：变分框架下将信号分解为预设数目的子模态（BLIMFs）。优化中心频率和带宽，避免递归分解，抗噪性强。
-
CEEMDAN（完全自适应噪声集合经验模态分解） ：EEMD的改进版，自适应添加噪声至残差序列。噪声残留低且IMF完备性更好，计算效率高于EEMD。
-
LMD（局部均值分解） ：通过局部均值与包络函数迭代分离乘积函数（PF）。直接提取瞬时频率，适合机械故障诊断。
-
RLMD（鲁棒局部均值分解） ：增强LMD的鲁棒性，引入鲁棒局部均值/包络估计。抑制异常点干扰，提升分解稳定性。
-
ITD（固有时间尺度分解） ：基于信号极值点线性变换提取旋转分量（PRC）。计算速度快，但高频分辨率有限。
-
SVMD（逐次变分模态分解） ：VMD的序列化实现，逐次提取子模态。避免预设模态数，动态优化带宽参数。
-
ICEEMDAN（改进的完全自适应噪声集合经验模态分解） ：CEEMDAN的改进版，优化噪声添加方式与IMF定义。进一步降低噪声残留，提升模态纯净度。
-
FMD（特征模式分解） ：基于信号局部特征（如瞬时相位）的自适应分解。强调物理意义明确的模态分量提取。
-
REMD（鲁棒经验模态分解） ：增强EMD抗噪性，通过鲁棒包络拟合（如样条插值优化）。减少异常值对分解的影响。
-
SGMD（辛几何模态分解） ：利用辛几何变换保持信号结构。结合谱聚类分组，提取能量聚集的模态。
-
RLMD（鲁棒局部均值分解） ：同前述RLMD，常指抗扰动的LMD改进算法。
-
ESMD（极点对称模态分解） ：基于极点对称包络插值替代传统三次样条。减少端点效应，适应性强。
-
CEEMD（互补集合经验模态分解） ：EEMD的互补形式，添加正负成对噪声。抵消噪声残留，但计算量翻倍。
-
SSA（奇异谱分析） ：将信号嵌入矩阵并进行奇异值分解（SVD）。重构主导成分，适合周期/趋势分离。
-
SWD（群分解） ：受群体智能启发，迭代搜索局部振荡。自适应分割信号，无需预设参数。
-
RPSEMD（再生相移正弦辅助经验模态分解） ：再生相移正弦波辅助的EMD。通过相位调制抑制模态混叠，提升频带分离度。
-
EWT（经验小波变换） ：自适应设计小波滤波器组分割傅里叶谱。结合小波理论与EMD思想，边界处理灵活。
-
DWT（离散小波变换） ：多分辨率分析，用正交/双正交小波基分层分解信号。计算高效但基函数固定。
-
TDD（时域分解） ：直接从时域能量特征构造正交基函数。适用于结构振动模态参数识别。
-
MODWT（最大重叠离散小波变换） ：DWT的平移不变改进，最大重叠采样。消除频带错位，更利于时频分析。
-
MEMD（多元经验模态分解） ：多维空间投影扩展EMD。同步分解多通道信号，保持通道间对齐。
-
MVMD（多元变分模态分解） ：VMD的多变量版本，联合优化多通道子模态。提取跨通道相关的共同振荡模式。
-
WPD（小波包分解） ：DWT的推广，全树结构分解高频/低频子带。频带划分更精细，灵活性高。
实现结果实例：
信号分解程序文件详情见原文链接：