CEEMDAN - SE：神奇的信号处理组合

CEEMDAN-SE(自适应噪声完备集合经验模分解-样本熵信号重构) 结合CEEMDAN对信号进行分解，计算分解信号样本熵值，根据其大小重构为高中低频信号可出信号分解图、三维分解图、频谱图、重构后的分解图、频谱图程序有详细的使用说明： 1.输入信号data 2.进行CEEMDAN分解 3.根据样本熵值进行重构，其阈值可根据需求/实际情况进行修改 4.重构结果为高中低三个序列，绘制其信号及其频谱 matlab代码，含有部分注释；数据为excel数据，使用时替换数据集即可； matlab代码，含有部分注释；数据为excel数据，使用时替换数据集即可；

在信号处理的奇妙世界里，CEEMDAN - SE（自适应噪声完备集合经验模分解 - 样本熵信号重构）就像是一套神秘而强大的工具。今天咱们就来唠唠这 CEEMDAN - SE 到底是咋回事，顺便看看对应的 Matlab 代码。

一、CEEMDAN - SE 原理简单说

CEEMDAN 呢，就是把信号分解成一堆不同频率的固有模态函数（IMF）。就好比把一个复杂的音乐旋律，拆分成一个个简单的音符片段。然后通过计算这些分解出来信号的样本熵值，样本熵可以理解为衡量信号复杂度的一个指标，复杂度越高熵值越大。根据样本熵值的大小，我们就能把这些 IMF 重新组合，构建出高中低频信号，就像重新把音符排列成不同节奏的旋律。

二、Matlab 代码实现及分析

咱们直接上代码，假设已经把 excel 数据导入到 Matlab 环境中，数据存放在 data 变量里。

matlab 复制代码

% 1. 读取数据，这里假设已经将 excel 数据读取到 data 变量
% 实际使用时，替换此数据集即可

% 2. 进行 CEEMDAN 分解
imf = ceemdan(data); 

% ceemdan 函数是 Matlab 中用于执行 CEEMDAN 分解的关键函数
% 它会将输入的信号 data 分解成多个固有模态函数（IMF），存放在 imf 矩阵中
% 每一行对应一个 IMF 分量

% 3. 计算样本熵值并重构
for i = 1:size(imf, 1)
    SampEn(i) = sampen(imf(i, :), 2, 0.2 * std(imf(i, :))); 
end
% sampen 函数用于计算样本熵
% 这里对每个 IMF 分量计算样本熵，存储在 SampEn 数组中

% 根据样本熵值重构，这里设定一个简单的阈值，实际使用可按需修改
threshold1 = mean(SampEn) + std(SampEn); 
threshold2 = mean(SampEn) - std(SampEn); 

high_freq = [];
mid_freq = [];
low_freq = [];
for i = 1:size(imf, 1)
    if SampEn(i) > threshold1
        high_freq = high_freq + imf(i, :); 
    elseif SampEn(i) < threshold2
        low_freq = low_freq + imf(i, :); 
    else
        mid_freq = mid_freq + imf(i, :); 
    end
end
% 根据设定的阈值，将 IMF 分量分别累加到高中低频信号中

% 4. 绘制信号及其频谱
figure;
subplot(3, 1, 1);
plot(high_freq);
title('高频信号');

subplot(3, 1, 2);
plot(mid_freq);
title('中频信号');

subplot(3, 1, 3);
plot(low_freq);
title('低频信号');

figure;
subplot(3, 1, 1);
Pxx1 = periodogram(high_freq);
plot(1:length(Pxx1), Pxx1);
title('高频信号频谱');

subplot(3, 1, 2);
Pxx2 = periodogram(mid_freq);
plot(1:length(Pxx2), Pxx2);
title('中频信号频谱');

subplot(3, 1, 3);
Pxx3 = periodogram(low_freq);
plot(1:length(Pxx3), Pxx3);
title('低频信号频谱');

三、结果展示

按照这个流程，我们就能得到信号分解图、三维分解图（代码里没详细展示绘制三维图，实际可通过一些 Matlab 函数实现，像 plot3 等函数结合 IMF 数据绘制）、频谱图、重构后的分解图、频谱图。这些图能帮助我们清晰地看到信号在不同频率段的特性，就像用放大镜去观察信号的不同细节。

四、使用说明回顾

第一步就是输入信号 data，这个 data 就是从 excel 数据读取过来的，实际应用直接替换就行。
接着进行 CEEMDAN 分解，调用 ceemdan 函数，Matlab 就会帮我们把信号分解成 IMF 分量。
计算样本熵值重构这步，关键在于那个阈值，阈值要根据实际需求和信号特点来调整，它决定了哪些 IMF 会被归到高中低频信号里。
最后重构结果是高中低三个序列，绘制它们的信号图和频谱图，直观地了解信号特性。

CEEMDAN - SE 这套组合在信号处理领域真的很实用，无论是在科研还是工程应用中，都能帮我们把复杂信号"看透"，大家不妨动手试试，说不定能在自己的项目里挖掘出更多信号背后的秘密。