说明：多元经验模式分解（MEMD）算法是EMD算法从单个变量到任意数量的变量的扩展，其与经验模态分解一样存在模式混合问题，基于噪声辅助的多元经验模式分解（NAMEMD）就在对MEMD的改进，解决其问题。

NA-MEMD NA算法 改进EMD NAMEMD 改进

说明：我已经写MATLAB代码算法BP神经网络来实现BP神经网络的功能，实验室报告和MATLAB代码的成功分类，可以直接运行。

BP神经网络算法 分类 BP神经网络

说明：BP神经网络在齿轮箱故障诊断中的应用：介绍了BP网络的原理、算法，并用BP网络对采煤机截割部齿轮箱机械传动系统的故障进行了趋势预测。经过地面模拟加载实验及井下验证，证明用人工神经网络可较好地预报机器故障，变被动维修为视情维修，可节省大量的设备维修费用，为合理安排生产计划及设备检修提供了可靠的依据。

BP神经网络 BP 神经网络 齿轮箱故障

说明：经验模式分解算法是仿真分数阶高斯噪声(fGn)和分数阶布朗运动(fBm)的新方法， 利用MATLAB的GUI开发环境，设计和实现了基于经验模式分解的分数阶随机序列仿真系统。

分解GUI 分数阶噪声 matlab-随机分数 分数布朗运动 分数阶

说明：经验模态分解（Empirical Mode Decomposition，简称EMD))方法被认为是2000年来以傅立叶变换为基础的线性和稳态频谱分析的一个重大突破 [1]  ，该方法是依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。这一点与建立在先验性的谐波基函数和小波基函数上的傅...

说明：经验小波变换结合EMD的自适应性和小波分析的理论框架,Gilles提出了一种称为经验小波变换(EWT)的自适应信号处理方法.其核心思想是通过对信号的Fourier谱进行自适应划分,建立合适的小波滤波器组来提取信号不同的AM-FM成分。

EWT EMD EWT变换 fourier谱方法 自适应emd

说明：利用经验模态分解进行故障预测，信号分析。经验模态分解（Empirical Mode Decomposition,EMD）法是黄锷（N. E. Huang）在美国国家宇航局与其他人于1998年创造性地提出的一种新型自适应信号时频处理方法，特别适用于非线性非平稳信号的分析处理。

说明：一个比较经典的二维经验模式分解程序代码，适用于图像的特征提取和分解

关于BEMD的代码 二维-bemd BEMD-图像 二维模式分解 BEMD图像

说明：个比较经典的二维经验模式分解程序代码，适用于图像分解，加油

emd图像 图像EMD分解 图像分解 图像EMD 二维-emd

说明：卡尔曼滤波实验和卡尔曼时间预测 包括从gps数据中读取经纬度

prediction-Kalman 卡尔曼经纬度 卡尔曼-matlab 卡尔曼滤波-GPS 卡尔曼-GPS