4.CEEMDAN(完全自适应噪声集合经验模态分解)

CEEMDAN（Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise）是在CEEMD的基础上进一步发展的一种基于自适应噪声控制的信号分解方法。

与CEEMD不同，CEEMDAN在随机噪声的构建和添加中采用了自适应控制策略，以便更好地控制噪声的大小和分布，从而改善信号分解的准确性和稳定性。

CEEMDAN的基本流程如下：

(资料图片)

1. 对信号进行预处理，以避免出现极端值或单调趋势等情况；

2. 构建自适应噪声序列，并将其添加到原始信号中，生成多组随机试验信号；

3. 对每组试验信号进行CEEMD分解，得到一组IMF函数；

4. 将每组IMF函数进行组合加权处理，生成一组总IMF函数；

5. 对总IMF函数进行CEEMD分解，得到一组新的IMF函数；

6. 检查新产生的IMF函数是否满足收敛性条件，若不满足则回到第2步调整自适应噪声；

7. 满足收敛性条件后，按照3-6步骤反复迭代，直到得到的IMF函数的数量不再增加。

（1）原始信号的组成

（2）CEEMDAN分解的效果

具体代码见：https://mbd.pub/o/bread/mbd-ZJqYmJxp