简介CEEMD完全集合经验模态分解源代码压缩包面向从事非线性、非平稳信号分析的工程与科研人员用于解决传统EMD存在模式混合、虚假极值等问题。CEEMD作为EMD的改进版本通过集合平均策略有效抑制模态混叠提升分解结果的稳定性与可靠性。包内共5个文件以m脚本为主4个m1个mat涵盖核心算法函数、示例脚本及测试数据完整呈现噪声添加、迭代sifting、集合平均等关键流程便于直接运行与二次开发。压缩包仅12KB小巧实用。已有982人学习下载适合具备MATLAB基础、希望深入理解CEEMD原理并用于实际信号分解的读者。通过源码可掌握希尔伯特-黄变换的完整链路并能调整参数适配振动、生物医学等复杂信号场景。无论是算法验证还是工程落地都能从中获得清晰参考。1. 你手里的这份 CEEMD 源代码先想清楚它要替你解决什么问题你拿到这份 CEEMD 源代码.zip解压后大概率是一堆 .m 文件外加一两个 demo 脚本。先别急着跑想清楚你下载它的动机FFT 对付非线性非平稳信号会频谱泄漏传统 EMD 又会在某些时段把同一个频率成分切进好几个模态这就是模态混叠。CEEMD 就是在 EMD 基础上引入噪声辅助的集合分解方案专治这个问题。振动故障诊断、脑电信号预处理、气象序列趋势提取这几个方向是它最常被翻牌的场景。适合谁手上有实测信号、想拆出有物理意义模态的从业者不是只想要一张频谱图的人。后面按落地顺序讲先分清源码是 CEEMD 还是 CEEMDAN再跑通最小 demo然后调参数、排坑最后给验证手段。2. 从 EMD 到 CEEMD这份源码到底改了哪一步我见过不少人把 CEEMD 当黑匣子输入一段信号输出一堆 IMF然后直接拿第二个 IMF 当特征。这样用不是不行但你连它内部改了哪一步都不知道翻车了根本没地方查。这一章把 EMD 到 CEEMD 的改动链路捋一遍你才知道参数该往哪个方向调。重点说三件事EMD 的模态混叠到底怎么发生的EEMD 用噪声解决了什么又留下了什么以及你手里的源码究竟是哪一代实现。2.1 EMD 的模态混叠问题一个频率成分被拆成两半的现场先回忆 EMD 的核心动作——sifting。每一次筛选里算法找出信号的局部极大值和局部极小值用三次样条分别拟合上包络和下包络取均值后从原信号里减掉反复迭代直到剩下的分量满足 IMF 的两个条件极值点数量与过零点数量相等或至多差 1上下包络均值趋近于 0。这个迭代过程本身不依赖任何先验频率所以 EMD 才能处理非线性非平稳信号。问题出在极值点上。假设信号是 10 Hz 加 50 Hz 两个正弦叠加前 0.5 秒 50 Hz 分量存在后 0.5 秒消失。前半个时段极值点密集后半个时段稀疏三次样条拟合出来的包络会在切换点附近剧烈起伏导致 10 Hz 成分的一部分能量漏进 50 Hz 那个 IMF 里。更直观的现象是你画第一个 IMF 的波形发现里面有明显的低频包络调制频率成分在相邻 IMF 之间来回搬家。模态混叠的本质是局部极值分布被间歇性成分破坏而不是算法算错了。这个现象在实际数据里很常见。某次处理齿轮箱振动信号时模拟项目X转频 12 Hz 和啮合频率 240 Hz 之间本来隔得很开但因为负载波动导致啮合频率只在部分时段出现分解出来的第一个 IMF 里竟能看出 12 Hz 的包络起伏。这就是典型的间歇分量导致的模态混叠也是 EEMD 和 CEEMD 这类噪声辅助方法要解决的元问题。2.2 EEMD 补上的噪声CEEMD 又改了什么EEMD 的思路很直接既然间歇性成分会破坏极值分布那就往信号里加白噪声让极值分布被高频噪声打散然后再多次独立分解、取平均。白噪声在不同的实现里产生不同的极值分布信号本身的极值点每次都会被保留下来平均之后噪声贡献互相抵消信号的真实模态就凸显出来了。实验证明集合平均次数越多噪声残留越小但代价是计算量线性上涨。EEMD 有个天然缺陷每次加的是独立噪声分解结果里每个 IMF 都残留一部分噪声把 IMF 全部加起来重构原信号时重构误差并不小。于是后来的 CEEMD 做了两件事改进其一把辅助噪声改成正负成对加入同一信号分别加正噪声和负噪声各分解一次再平均残留噪声理论上被对称抵消其二也是更常见的实现——每分解出一个 IMF 后在残差信号上重新加自适应噪声逐级往下分解而不是每阶都从原信号重新来。第二种做法就是 CEEMDAN。项目标题写的是 CEEMD 源代码但实际实现是哪一版直接决定你的重构误差量级。如果是正负成对的互补噪声版重构误差通常在 1e-2 量级如果是自适应噪声版重构误差能压到 1e-12 量级几乎完全重构。这两种包我都见过调用方式相似但背后的数学假定完全不同别混着看。2.3 看源码前先分清CEEMD 还是 CEEMDAN两个名字经常被混用你解压后第一件事是看主函数名。常见情况有三种主函数叫 ceemdan.m 或 CEEMDAN.m 的是自适应噪声版主函数叫 ceemd.m 且内部有正负噪声对操作的是互补噪声版主函数直接叫 eemd.m 的那大概率只是 EEMD 换了层皮。这一步判断比调任何参数都重要因为三者对输出矩阵的约定都不一样。差异主要体现在三处输出维度、噪声参数含义、重构误差。互补版和 EEMD 的输出里IMF 按列排放最后一列是残差自适应版有的把残差单独返回有的并进 IMF 矩阵。噪声参数方面互补版的 Nstd 是噪声相对信号标准差的固定比例自适应版除了 Nstd 还要关注每级残差的标准差变化同一套参数在两个版本里的实际效果可能差一倍。用下面这个对照表可以快速定位手里这份源码是哪一代实现版本主函数常见命名加噪方式重构误差计算开销适合场景EMDemd.m无接近完全重构低信号干净、无明显间歇分量EEMDeemd.m独立加噪多次平均较大1e-1 量级高模态混叠不严重、能接受误差互补噪声 CEEMDceemd.m正负成对加噪较小1e-2 量级中需要较好重构、算力有限CEEMDANceemdan.m每级残差加自适应噪声接近机器精度较高需要精确重构的工程场景判断方法很简单在 MATLAB 命令行敲 which ceemdan如果能定位到文件说明你的包里至少装了自适应版再看主函数定义行参数列表里有没有 Nstd、NR、MaxIter 之外的特殊输入。这一步做扎实后面调参数才有的放矢。3. 把 CEEMD 源码跑通文件组织、最小 demo 与输出解读这一章的目标是让你在自己的机器上跑出第一组可信的 IMF。我不会让你直接拿实测数据开跑先用合成信号建立正确结果长什么样的参照系再处理真实数据时你才知道哪些波形可疑。先认文件结构再跑最小示例最后学会读输出矩阵三步走完你手里就有了一套可复现的验证流程。3.1 源码包里通常会有的四类文件先对照职责认一遍CEEMD 类实现无论哪个版本文件结构都脱不开四类职责。第一类是主函数命名里一定带 ceemd 字样负责参数校验、逐级调用分解循环、汇总输出矩阵。第二类是 sift 内核常见命名是 local_sift.m 或 sift.m负责单次 EMD 的筛选迭代也就是那层找极值、拟合包络、减均值的循环。第三类是极值检测常见命名 extr.m输入一段信号输出极值点和对应的上下包络节点。第四类是插值工具负责把离散极值点拟合成连续包络绝大多数实现用的是三次样条。调试建议是不要把时间花在读主函数上主函数通常是参数映射和循环控制逻辑直白真正决定分解质量的是 sift 内核里的停止条件和极值检测的正确性。如果你改了 Nstd 发现低频段被拆碎问题大概率出在 sift 内核而不是主函数。另外包里一般还会有一两个 example 脚本建议保留它每次跑你自己的数据之前先用 example 跑了确认环境和源码没有被改动过。3.2 最小可运行示例用已知信号验证分解正确性我一般会用一段合成信号做冒烟测试两个正弦分量加白噪声频率拉开到至少 5 倍这样分解结果一目了然。下面这段代码是完整的可运行脚本直接存成 ceemdan_demo.m 放在源码包外层运行。% ceemdan_demo.m - CEEMD/CEEMDAN 最小验证脚本 fs 500; % 采样率 500 Hz t (0:1/fs:1-1/fs); % 1 秒时长 rng(7); % 固定随机种子保证结果可复现 x 2*sin(2*pi*10*t) 1.5*sin(2*pi*50*t) 0.3*randn(size(t)); % 三个核心参数噪声幅值、集合次数、最大迭代数 Nstd 0.2; % 噪声标准差相对信号标准差的比值 NR 100; % 集合平均次数 MaxIter 500; % 单个 IMF 的最大 sift 迭代次数 imfs ceemdan(x, Nstd, NR, MaxIter); % 返回的 imfs 每列是一个 IMF size(imfs) % 查看输出维度确认行列方向这段代码的逻辑说清楚先构造一个频率成分已知的信号10 Hz 和 50 Hz 幅度各 2 和 1.5信噪比大约 20 dB足够模拟工程数据里的噪声水平。rng(7) 这一步很多人省略但 CEEMD 内部用 randn 生成噪声序列不固定种子两次分解结果会有随机差异调试时你会分不清差异是参数引起的还是随机性引起的。第 7 行注释写着返回的 imfs 每列是一个 IMF但请以 size(imfs) 的实际输出为准——有的版本返回的是每行一个 IMF转置一下就是列方向这一步错了后面画图全乱。跑完后的预期是size 输出为 500×5 或 500×4 之类通常包含 2 到 3 个真实模态、若干低幅值伪模态和最后一列残差趋势项。如果输出只有一列说明主函数被改成单次 EMD 了检查函数名如果列数超过 10大概率是停止准则失效走火入魔式地过分解第 5 章会专门讲。3.3 输出矩阵怎么读IMF 顺序、残差行与重构误差拿到 imfs 矩阵之后第一件事是画图不是算特征。画图时按列逐条画注意观察每列的频率是否从高到低排列这是 EMD 家族输出默认的排序约定。第一条 IMF 频率最高越往后越低最后一列是最低频的残差趋势。如果发现第 2 列和第 3 列频率接近说明有模态混叠残留或者过分解先别急着用特征提取。画完图之后必须做一次重构检查。CEEMDAN 的卖点就是重构误差接近机器精度如果你的源码包重构误差在 1e-2 以上那它要么是 EEMD要么是互补噪声版要么参数没配对。% 重构误差检查把全部 IMF 加回来看和原始信号差多少 rec sum(imfs, 2); % 按列求和得到重构信号 err rec - x; rmse_val sqrt(mean(err.^2)); fprintf(重构 RMS 误差 %.3e\n, rmse_val); % 画 IMF 波形方便肉眼检查混叠和端部发散 figure; for k 1:size(imfs, 2) subplot(size(imfs, 2), 1, k); plot(t, imfs(:, k)); ylabel([IMF, num2str(k)]); xlim([0 1]); end xlabel(时间 / s);这段代码里 sum(imfs, 2) 是把每行加起来前提是 imfs 的行方向是时间轴。如果你的包返回的是列方向结果把 sum 的维度参数换掉。重构误差这个指标有两层判断RMSE 在 1e-12 量级说明是自适应噪声版且工作正常在 1e-2 到 1e-1 说明噪声残留明显你要么换实现要么接受这个误差后把每个 IMF 再做一次局部去噪。有人把重构误差大的锅甩给信号本身噪声大这是误会——CEEMDAN 加的是辅助噪声不是信号噪声重构误差大只说明算法实现或者参数配置有问题。画图时必须看两端。如果第一列或最后一列在首尾处明显翘起那就是端点效应后面 5.3 处理。如果中间某列波形出现拍频样式的周期起伏多半是模态混叠残留在相邻两个 IMF 之间6.2 会给判断方法。4. 三个必调参数Nstd、NR、MaxIter以及它们怎么联动CEEMD 类算法要调的参数其实不多主函数里通常就三个Nstd、NR、MaxIter。参数少不意味着随便设这三个参数互相联动乱调一个另外两个的效果全变。下面按参数逐个讲清楚物理含义、设置区间和判断标准最后落到它们怎么配合。4.1 噪声幅值 Nstd加多了压掉弱分量加少了等于白加Nstd 的全名是 noise standard deviation指的是辅助白噪声的标准差相对原始信号标准差的比值不是绝对幅度。这个相对定义很重要同一个 Nstd对高幅值信号和低幅值信号施加的绝对噪声幅度是不同的。所以跨数据集比较参数没有意义只需要记住 0.1 到 0.2 是绝大多数工程案例的安全区间。逻辑是这样的辅助噪声的幅度太小不足以改变极值点的分布。如果信号里有一个缓慢变化的弱分量它的极值稀疏加进去的噪声幅度低于它的局部起伏极值分布还是老样子模态混叠照旧发生。反过来Nstd 太高比如超过 0.4噪声本身会制造出大量假的极值点分解结果里出现一堆没有物理意义的细碎 IMF低频弱分量可能直接被淹没。主观上你会看到 IMF 数量变多、低频段被切碎。习惯做法是先 0.2 起步看输出。如果第一个 IMF 里还能看到低频包络说明混叠没压住往上加到 0.25如果低频段出现碎片降回 0.15。值得做的实验是固定 NR 和 MaxIter把 Nstd 从 0.1 扫到 0.4记录每个取值下的 IMF 数量和重构误差画成两条曲线你会看到它们在一个区间内稳定、在区间外突变那个稳定区间就是你这个信号的有效工作区。这一步成本不高值得在真实数据上跑一次。4.2 集合次数 NR稳定性和算力的博弈NR 是 ensemble realization 的数量也就是为了平均效果算法要重复分解多少次。EEMD 时代 NR 动辄要几百上千次因为每次独立加噪噪声抵消只能靠大数定律。CEEMDAN 因为每级在残差上自适应加噪收敛速度比 EEMD 快得多NR 取 100 到 200 通常就能获得稳定结果。如果你跑的是互补噪声版 CEEMDNR 要适当高一些建议 200 到 500。怎么判断 NR 够不够固定其他参数换不同的随机种子跑两次比较前三个 IMF 的波形差异。如果两次结果的 IMF 1 波形几乎重合NR 够了如果每次跑出来波形都在变说明平均不充分加 NR或者把 Nstd 调大一点让噪声充分起作用。另一个工程细节是CEEMDAN 的收敛还取决于每级残差的变化速率如果信号本身信噪比很低比如低于 10 dBNR 要翻倍否则低频 IMF 的稳定性会很差。算力方面有一个血泪经验别盲目把 NR 拉到 1000。曾用某段 10 万点的信号NR 从 100 加到 300IMF 波形几乎没变化运行时间却从 3 分钟涨到 11 分钟。NR 的收益是边际递减的先 100 起步用换种子对比波形这个手段做判断比拍脑袋拉高数字有效得多。4.3 MaxIter 与内层停止准则过迭代会让窄带信号失真MaxIter 是单次 sift 迭代的最大次数限制的是在一个 IMF 内部循环筛选这个动作的天花板。sift 的标准做法是反复减包络均值直到满足 IMF 条件但实际信号里这个收敛过程可能很慢甚至震荡MaxIter 就是强制截止阀。如果 MaxIter 设得太小比如 50IMF 可能还没收敛就强制输出包络均值不为零模态不纯表现为 IMF 波形里叠着一层高频毛刺。如果设得太大比如 2000 以上sift 会不断把信号里的振幅调制也当成需要消除的包络波动结果把一个本来完好的窄带信号硬掰成两个伪 IMF。这种现象叫过迭代与高阶滤波器被调到临界点附近是一个性质结果看起来分解得很细但没有物理意义。除了 MaxIter 这个显式上限多数实现内部还有一个隐式停止条件比较相邻两次 sift 结果的标准差之比低于某个阈值就认为收敛。这个阈值在源码里通常是硬编码的不同版本取值差异很大有的用 0.2有的用 0.001。如果你想对这个做调整去 sift 内核文件里搜标准差的比值判断那行通常在 local_sift.m 的下半部分。建议先用默认 MaxIter 跑如果发现某阶 IMF 的迭代次数恒定等于 MaxIter有的实现会在控制台打印 sift 次数说明它在撞上限需要加大 MaxIter如果高阶 IMF 出现明显分裂说明停止条件太松或 MaxIter 过大两者取其一调。5. 跑 CEEMD 源码最常见的五个坑与排查思路这一章是全文里最值得先读的部分。以下五条都是真实数据上反复遇到过的现象每一条按现象、原因、解决三段展开你可以直接照着定位自己的问题不用从头读源码。前两条对应输入数据的问题第三条是 EMD 家族的通病第四条是参数过冲最后一条是性能瓶颈。5.1 现象分解结果出现 NaN 或 Inf一画图全是空白现象运行不报错但 imfs 矩阵里某些位置是 NaN 或 Inf画图对应位置断成空白重构误差直接爆表。原因这类实现里 NaN 几乎都是输入数据的问题。信号某一段是 NaN、Inf或者数据有异常大的突跳比如传感器断线瞬间的毛刺通过样条插值会把异常值向外传播导致包络计算发散。另一个隐蔽原因是信号里有连续重复的等值点比如一段平坦的平台局部极值检测在平台上找不到合理的极值三次样条解线性方程组时出现奇异。解决喂给主函数之前做数据体检。先用 isnan 和 isinf 把非法值找出来毛刺用中值滤波或简单阈值剔除平坦平台加一个非常小的随机扰动幅度是信号标准差的 0.1%不影响分解却能让极值点重新出现。处理完重新跑绝大多数 NaN 都会消失。如果还有用排除法把信号后半段截掉四分之一再跑如果 NaN 消失问题定位在被截掉的那一段数据上。5.2 现象同一段信号两次分解IMF 数量和形态对不上现象不换任何参数只是换了一次随机种子或者重启 MATLAB分解出来的 IMF 数量不同前几列波形有肉眼可见差异。原因集合类算法本质上依赖随机数如果你不固定随机种子两次分解有差异是正常的。但如果差异大到 IMF 数量都变了说明你的参数组合处于临界区——极值分布刚好在被噪声改变和不被改变之间一点随机扰动就造成完全不同的分解路径。解决第一步固定随机种子用 rng(固定值) 包住调用保证同参数下结果一致这是可复现调参的前提。第二步如果固定种子后换种子的两次结果依然差很多把 Nstd 调大 0.05 再试让噪声的作用彻底压过临界区的随机性。第三步如果还是不稳定且你的信号确实很长降低 NR 反而可能更稳——NR 太高会让平均过程把噪声贡献压得过低重回临界区。把 Nstd 和 NR 看作一对协同参数Nstd 稍高时 NR 可以适当降低。5.3 现象IMF 两端发散得厉害中间波形正常现象所有 IMF 中间段都漂亮唯独首尾两端翘起或剧烈震荡端点效应从第一个 IMF 一路传到最后一个。原因三次样条拟合法需要极值点来锚定包络信号端点附近通常不是极值点样条在这里没有约束只能外推外推结果与真实趋势偏离后sifting 会把这种偏离当成包络均值减掉误差逐次累积表现为两端发散。这不是 CEEMD 的 bugEMD 家族都有这个毛病。解决最常见的做法是镜像延拓把信号末尾一段翻转后接到开头、开头一段翻转后接到结尾让包络有足够的极值点锚定分解完再裁掉延拓部分。在 MATLAB 里先用 flipud 构造延拓信号延拓长度取信号长度的 5% 到 10%跑完分解后按原长度截取 IMF。有的源码包内部已经做了延拓你只需要对比带延拓跑和直接跑两种输出的两端差异来确认。若包没内置延拓优先在外部实现不要为了省事改源码。5.4 现象低频段被拆成一堆碎片趋势项消失现象IMF 数量异常多低频部分不是一条干净的缓变曲线而是一串波动不均匀的小段残差趋势项几乎看不到。原因Nstd 设得过高或者信号本身信噪比过低噪声在低频段制造了伪极值sift 沿着这些伪极值一路切分把本来连续的缓变分量切碎。另一个推手是 MaxIter 过大给了过迭代充分的空间去雕琢伪模态。解决把 Nstd 降回 0.15 以下同时把 MaxIter 降回 500 附近重新跑。如果低频依然碎检查停止条件阈值是不是被改小了。还有一种情况要排除信号本身存在真实的间歇性低频事件比如负载突变的瞬间这种碎片来自物理信号而不是算法故障判断依据是——把信号切掉突变段重新分解若低频立即变干净则碎片来自信号本身应保留物理解释而不是强行调参抹掉。5.5 现象跑一遍要几十分钟NR 设得并不大现象数据量不大几千点NR 也就 100但运行时间远超预期风扇狂转。原因CEEMDAN 的时间瓶颈不一定在 NR而在每个 IMF 内部的 sift 迭代次数。如果 MaxIter 设得很大或者信号里存在难以收敛的模态比如间歇性强、端点效应严重单个 IMF 的 sift 循环会跑满上限总耗时等于 IMF 数量乘 NR 乘 sift 迭代次数放大效应显著。解决先看耗时分布给主函数的分解循环里临时加一行 tic/toc 打印每阶 IMF 的耗时找到最慢的那一阶看它的 sift 迭代次数是不是撞到 MaxIter 上限。如果是先改善端点效应、再把 MaxIter 从 1000 降到 500耗时通常能砍掉一半以上如果你的 MATLAB 有并行工具箱把 NR 循环用 parfor 重写集合次数本身就是天然并行任务这是最直接的提速手段。没有工具箱就只能降 NR 或缩短信号长度不要硬等。6. 验证 CEEMD 分解质量的三个手段与一个习惯6.1 重构误差与正交性指数给分解打分的两个硬指标重构误差是最直接的验收线1e-12 量级说明实现是 CEEMDAN 且参数健康1e-2 量级要警惕是不是 EEMD 换了皮超过 1e-1 直接判不合格按 5.1 和 5.4 的方向排查。正交性指数衡量 IMF 两两之间的混叠程度理想情况下 IMF 两两正交指数应远小于 1。工程上低于 0.1 算健康高于 0.3 说明模态混叠明显计算代码很短% 正交性指数两两 IMF 点积绝对值之和 / 信号能量 io 0; for i 1:size(imfs, 2) for j i1:size(imfs, 2) io io abs(sum(imfs(:, i) .* imfs(:, j))); end end fprintf(正交性指数 %.3f\n, io / sum(x .^ 2));这个数字只告诉你有没有问题不告诉你在哪一阶。6.2 Hilbert 谱目检模态混叠在哪一阶一眼定位定位靠 Hilbert 谱。对每个 IMF 做 Hilbert 变换得瞬时频率画成时间-瞬时频率的分布图健康的分解是几条平行于时间轴的亮带。某条带突然分叉或两条带之间出现渐变过渡就是混叠残留点直接对应到那阶 IMF 去调参数。没有信号处理工具箱可以用 FFT 手写function z my_hilbert(x) n numel(x); X fft(x); h zeros(n, 1); h(1) 1; h(2:floor(n/2)) 2; % 正频率放大 2 倍负频率置零 z ifft(X .* h); end对 IMF 求相位差分就是瞬时频率画谱的细节可参照你常用的时频图绘制习惯。6.3 固定随机种子再交付一个让结果可复现的工程习惯最后说个踩过坑后养成的习惯CEEMD 代码里第一行就固定随机种子写在数据加载之前因为文件读取和预处理环节也可能引入随机性种子固定得越早整条链路越可复现。交付结果时种子值、Nstd、NR、MaxIter 四个数写进结果说明别人复现不出来先检查这四个数对不对。保存大矩阵用 -v7.3 格式批量跑数据时先把每个样本的 IMF 数和重构误差汇总成表再筛选别逐个画图。这些习惯不改变算法本身但能把你的 CEEMD 结果从跑出来了升级成随时可复现、可审计。希望帮到你。本文还有配套的精品资源点击获取