经验模态分解(Empirical Mode Decomposition, 简称EMD))方法是由美国NASA的黄锷博士提出的一种信号分析方法.它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。-Empirical Mode Decomposition

提出了将信号进行相空间重构后再采用奇异值分解, 对分解后的主成分进行包络分析, 从而提取信号的隐含特 征的方法, 并将该方法应用于齿轮的局部故障振动特征信号的提取中。数值仿真实验结果表明, 该方法能有效提取强背景 信号及噪声中的弱冲击特征信号, 是一种有效的弱信号特征提取方法。采用该方法对齿轮振动信号进行故障特征提取与识 别, 结果与实际情况相符。-Signal implicit characteristic of phase space reconstruction, and th

EOF是经验正交函数，把气象场分解成时间场和空间场进行分析，从而分析气象变量的变化特征及其分布情况-EOF is empirical orthogonal functions, the meteorological field down into time and space field analysis to analyze variation of meteorological variables and their distribution

可以对振动信号进行局部均值分解以提取特征信号(The local signal can be decomposed to extract the characteristic signal)