CEEMDAN（北方苍鹰优化自适应噪声完备集合经验模态分解）

  CEEMDAN（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise）是一种改进的经验模态分解（Empirical Mode Decomposition，EMD）方法。它通过在信号中添加自适应噪声，并进行多次EMD分解，从而得到一系列本征模态函数（Intrinsic Mode Functions，IMFs），这些IMFs能够更好地描述信号中的局部特征，特别是对于非线性、非平稳信号。

NGO-CEEMDAN（北方苍鹰优化自适应噪声完备集合经验模态分解）代码获取戳此处代码获取戳此处代码获取戳此处

CEEMDAN的主要步骤如下：

1. 在原始信号中添加自适应噪声，并多次进行EMD分解，得到一系列的IMFs。
2. 对每个IMF进行去噪处理，以消除添加的噪声对分解结果的影响。这通常可以通过小波去噪等方法实现。
3. 将去噪后的IMFs进行重构，得到去噪后的信号。