微信公众号由于改变了推送规则，为了每次新的推送可以在第一时间出现在您的订阅列表中，记得将本公众号设为星标或置顶哦~
有意向获取代码，请转文末观看代码获取方式~
展示出图效果
1 mlptdenoise分解算法
MLPT denoise（Maximum Likelihood Parameter-Tuned Denoise）是一种基于小波变换的信号分解算法，它可以将信号分解为多个具有不同频率特性的小波分量，并对每个小波分量进行频域分析。
MLPT denoise算法的优点如下：
- 能够准确地提取信号的频率信息，具有良好的频率局部特性。
- 能够适应各种类型的信号，具有较好的通用性。
- 能够有效地处理高频信号，对于突变信号有较好的适应性。
- 能够避免小波变换中的吉布斯现象，对于信号的细节信息有较好的保留。
- 在噪声环境下具有较好的鲁棒性，能够有效地去除噪声。
在应用方面，MLPT denoise算法可以应用于信号处理、图像处理、地震信号处理等领域，是一种有效的信号分析方法。
MATLAB 信号分解第十一期-mlptdenoise 分解:
https://mbd.pub/o/bread/mbd-ZJWZmptq
信号分解全家桶详情请参见：
https://mbd.pub/o/author-aWWWnHBsYw==/work
2 希尔伯特黄变换
希尔伯特黄变换（Hilbert-Huang Transform，简称HHT）是一种新型的信号分析方法，能够有效地处理非线性、非平稳信号。
对每一个IMF进行希尔伯特变换，可以得到该IMF的解析解。解析解包括一个实部和一个虚部，这两个部分对应于IMF的瞬时频率和瞬时幅值。通过对所有的IMF进行希尔伯特变换，可以得到整个信号的希尔伯特谱。这个谱可以用来分析信号的频率和幅值随时间的变化情况。
希尔伯特黄变换的优点在于其完全自适应性，不需要预设任何参数。此外，该方法能够处理非线性、非平稳信号，因此在许多领域，如地球物理学、生物医学工程等，得到了广泛的应用。
3 边际谱算法
边际谱算法是一种分析非高斯、非线性信号的方法，它基于EMD（经验模式分解）和希尔伯特黄变换（Huang-Hilbert Transform）。
首先，通过EMD将信号分解成一系列固有模态函数（IMF），然后对每个IMF进行希尔伯特变换，得到瞬时频率和瞬时幅值。这些瞬时频率和瞬时幅值构成了信号的希尔伯特谱。
接着，对希尔伯特谱进行边际谱分析。具体来说，将希尔伯特谱的频率和幅值视为二维空间中的一个点，对所有点按照频率进行排序，然后对每个频率点的幅值求和，就得到了边际谱。
通过边际谱，我们可以得到信号在不同频率下的能量分布情况，从而对信号进行分析。这种方法特别适合于处理非高斯、非线性信号。
4 代码获取
如下为简短的视频操作教程。
算法代码获取：
https://mbd.pub/o/bread/ZJyXm59q
https://mbd.pub/o/bread/ZJyXm59r
关于代码有任何疑问，可以一起探讨科研，写作，代码等诸多学术问题，我们一起进步~
1、感谢关注 Lwcah 的个人公众号，有关资源获取，请公众号后台发送推文末的关键词，自助获取。
2、若要添加个人微信号，请后台发送关键词：微信号。
3、若要进微信群：Lwcah 科研技巧群 3。请添加个人微信号后进群（大家沉浸式科研，广告勿扰），不定时更新科研技巧类推文。可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。
记得关注公众号，并设为星标哦~谢谢啦~
