基于MATLAB的EMD信号分解与重构mytest2.m

clear;
clc;
close all;

fs=2048;
T=1/fs;
L=2048;
t=（0:L-1）*T;

f1=20;
f2=50;
f3=100;

z=sin（2*pi*f1*t）+sin（2*pi*f2*t）+sin（2*pi*f3*t）;

figure（）
plot（z‘b‘）
xlabel（‘采样点数‘）
ylabel（‘幅值‘）
 
imf = emd（z）;       

emd_visu（z1:length（z）imf）;%调用EMD工具箱中的emd_visu函数运行结果如下

s=0;
for k=1:length（imf（:1））
    s=s+imf（k:）;
end
es=z-s;
figure（）
plot（es）
xlabel（‘采样点数‘）
ylabel（‘重构误差‘）

[Aftt] = hhspectrum（imf）; 
[Ett1] = toimage（Afttlength（tt））;
figure
imagesc（tt1/fs[00.5*fs]E）;   
set（gca‘YDir‘‘normal‘）
xlabel（‘time‘）
ylabel（‘frequency（Hz）‘）
colorbar
title（‘Hilbert-Huang spectrum‘）

for k=1:size（E1）
bjp（k）=sum（E（k:））*1/fs; 
end
f=（1:L-2）/L*（fs/2）;
figure（）
plot（fbjp）;
xlabel（‘频率 / Hz‘）;
ylabel（‘信号幅值‘）;
title（‘信号边际谱‘）%要求边际谱必须先对信号进行EMD分解