经验模态分解（EMD）

笔者参与实验室里IOT方面的项目，需要对雷达采集数据进行处理，特意学习了一下EMD方面的资料和文献，以下为一些学习笔记和个人理解。

 1 方法使用背景

        在通过雷达获取信号后，需要对其进行处理并从中提取出我们所需的数据部分。根据信号的频率与时间的情况，我们可以将频率分为两类：平稳信号、非平稳信号（如下图）

        左侧每个周期内各参数均一致，能清晰反映测量信息，直接使用传统信号处理方法（如FFT、DFT）即可提取出数据参数；

        而对于右侧的信号，我们发现随着时间的变化，其参数一直在变化，这使得我们无法判断哪些参数是有效的，哪些是无效的，我们甚至无法判断周期。整体进行运算显然不合理，但如果人为划分波段进行运算不仅主观性干扰大，而且极度不准确。这种情况是由于我们所测的信号在接收时，混入了其他的背景反射信号（我们称为“噪声”），简而言之，我们要将信号分解为多个信号，再取出我们所需的那个进行处理。其中关键的无人为参数的分解步骤，便是EMD的工作。

2 方法原理

        EMD是以信号极点信息，将信号分为了多个本征模态函数（IMF）+一个单调残差r。

*何谓本征模态函数？

        本征模态函数（