matlab编的有关EMD去噪的程序，处理的是核磁共振测井信号，急求

function imf = emd(x,n)%%最好把函数名改为emd1之类的，以免和Grilling的emd冲突

%%n为你想得到的IMF的个数

c = x('% copy of the input signal (as a row vector)

N = length(x)-

% loop to decompose the input signal into n successive IMFs

imf = []% Matrix which will contain the successive IMF, and the residuefor t=1:n

% loop on successive IMFs

%-------------------------------------------------------------------------

% inner loop to find each imf

h = c% at the beginning of the sifting process, h is the signal

SD = 1% Standard deviation which will be used to stop the sifting process

while SD >0.3 % while the standard deviation is higher than 0.3 (typical value) %%筛选停止准毕坦慎则

% find local max/min points

d = diff(h)% approximate derivative %%求各点手敬导数

maxmin = []% to store the optima (min and max without distinction so far)

for i=1:N-2

if d(i)==0% we are on a zero %%导数信陪为0的点，即”驻点“，但驻点不一定都是极值点，如y=x^3的x=0处

if sign(d(i-1))~=sign(d(i+1)) % it is a maximum %%如果驻点两侧的导数异号（如一边正，一边负），那么该点为极值点

maxmin = [maxmin, i]%%找到极值点在信号中的坐标（不分极大值和极小值点）

end

elseif sign(d(i))~=sign(d(i+1)) % we are straddling a zero so%%如y=|x|在x=0处是极值点，但该点倒数不存在，所以不能用上面的判

断方法

maxmin = [maxmin, i+1] % define zero as at i+1 (not i) %%这里提供了另一类极值点的判断方法

end

end

if size(maxmin,2) <2 % then it is the residue %%判断信号是不是已经符合残余分量定义

break

end

% divide maxmin into maxes and mins %% 分离极大值点和极小值点

if maxmin(1)>maxmin(2) % first one is a max not a min

maxes = maxmin(1:2:length(maxmin))

mins = maxmin(2:2:length(maxmin))

else% is the other way around

maxes = maxmin(2:2:length(maxmin))

mins = maxmin(1:2:length(maxmin))

end% make endpoints both maxes and mins

maxes = [1 maxes N]

mins = [1 mins N]

%------------------------------------------------------------------------- % spline interpolate to get max and min envelopesform imf

maxenv = spline(maxes,h(maxes),1:N) %%用样条函数插值拟合所有的极大值点

minenv = spline(mins, h(mins),1:N)%%用样条函数插值拟合所有的极小值点

m = (maxenv + minenv)/2% mean of max and min enveloppes %%求上下包络的均值

prevh = h% copy of the previous value of h before modifying it %%h为分解前的信号

h = h - m% substract mean to h %% 减去包络均值

% calculate standard deviation

eps = 0.0000001% to avoid zero values

SD = sum ( ((prevh - h).^2) ./ (prevh.^2 + eps) )%% 计算停止准则

end

imf = [imfh]% store the extracted IMF in the matrix imf

% if size(maxmin,2)<2, then h is the residue

% stop criterion of the algo. if we reach the end before n

if size(maxmin,2) <2

break

end

c = c - h% substract the extracted IMF from the signal

end

return

emd是经验模态旦凳分解。

经验模态分解（Empirical Mode Decomposition，简称EMD）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里叶分解与小波分解方法具有本质性的差别。

正是由于模盯旅这样的特点，EMD方法在理论则毁上可以应用于任何类型的信号的分解，因而在处理非平稳及非线性数据上，具有非常明显的优势，适合于分析非线性、非平稳信号序列，具有很高的信噪比。

经验模态分解的原理：

经验模态分解(EMD)方法的实质是通过特征时间尺度来识别信号中所内含的所有振动模态(Intrinsic Oscillatory Mode)。

在这一过程中，特征时间尺度及IMF的定义都具有一定的经验性和近似性。与其他信号处理方法相比，EMD方法是直观的、间接的、后验的、自适应的，其分解所用的特征时间尺度是源自于原始信号的。

这个不难的。LabVIEW中有现成的Matlab节点，可以直接使用，但是前提是要在电脑上安装Matlab。

Matlab节点位于：

程序调用如下图所示：

上面的input1，是在Maltab节敬数点的左边框上右键—添加输入，并右键该输入接口山辩，选择一维数组形式即可。把matlab代码放到其中就可以了，然后在右边框右键—添加输出，就可以获得信号处理后的结果了。逗稿缺

---