噪声自适应完备总体平均经验模态分解（Complete EEMD with Adaptive Noise，CEEMDAN）

EEMD通过添加高斯白噪声并进行平均的方法，解决了EMD的模态混叠问题。但其会因为白噪声残留较大，导致筛分次数增加，以及分解失败，因而计算效率不高。针对以上问题，Torres等提出了一种噪声自适应完备总体平均经验模态分解(Complete EEMD with Adaptive Noise，CEEMDAN)方法。该方法特别适合ECG信号处理。

function [modes its]=ceemdan（xNstdNRMaxIter）

% WARNING: for this code works it is necessary to include in the same
%directoy the file emd.m developed by Rilling and Flandrin.
%This file is available at %http://perso.ens-lyon.fr/patrick.flandrin/emd.html
%We use the default stopping criterion.
%We use the last modification: 3.2007
% 
% This version was run on Matlab 7.10.0 （R2010a）
%----------------------------------------------------------------------
%   INPUTs
%   x: signal to decompose
%   Nstd: noise standard deviation
%   NR: number of realizations
%   MaxIter: maximum number of sifting iterations allowed.
%
%  OUTPUTs
%  modes: contain the obtained modes in a matrix with the rows being the modes        
%   its: contain the sifting iterations needed for each mode for each realization （one row for each realization）
% -------------------------------------------------------------------------
%  Syntax
%
%  modes=ceemdan（xNstdNRMaxIter）
%  [modes its]=ceemdan（xNstdNRMaxIter）
%
%--------------------------------------------------------------------------
% This algorithm was presented at ICASSP 2011 Prague Czech Republic
% Plese if you use this code in your work please cite the paper where the
% algorithm was first presented. 
% If you use this code please cite:
%
% M.E.TORRES M.A. COLOMINAS G. SCHLOTTHAUER P. FLANDRIN
%  “A complete Ensemble Empirical Mode decomposition with adaptive noise“ 
%  IEEE Int. Conf. on Acoust. Speech and Signal Proc. ICASSP-11 pp. 4144-4147 Prague （CZ）
%
% -------------------------------------------------------------------------
% Date: June 062011
% Authors:  Torres ME Colominas MA Schlotthauer G Flandrin P.
% For problems with the code please contact the authors:   
% To:  macolominas（AT）bioingenieria.edu.ar 
% CC:  metorres（AT）santafe-conicet.gov.ar
% -------------------------------------------------------------------------

x=x（:）‘;
desvio_x=std（x）;
x=x/desvio_x;

modes=zeros（size（x））;
temp=zeros（size（x））;
aux=zeros（size（x））;
acum=zeros（size（x））;
iter=zeros（NRround（log2（length（x））+5））;

for i=1:NR
    white_noise{i}=randn（size（x））;%creates the noise realizations
end;

for i=1:NR
    modes_white_noise{i}=emd（white_noise{i}）;%calculates the modes of white gaussian noise
end;

for i=1:NR %calculates the first mode
    temp=x+Nstd*white_noise{i};
    [temp o it]=emd（temp‘MAXMODES‘1‘MAXITERATIONS‘MaxIter）;
    temp=temp（1:）;
    aux=aux+temp/NR;
    iter（i1）=it;
end;

modes=aux; %saves the first mode
k=1;
aux=zeros（size（x））;
acum=sum（modes1）;

while  nnz（diff（sign（diff（x-acum））））>2 %calculates the rest of the modes
    for i=1:NR
        tamanio=size（modes_white_noise{i}）;
        if tamanio（1）>=k+1
            noise=modes_white_noise{i}（k:）;
            noise=noise/std（noise）;
            noise=Nstd*noise;
            try
                [temp o it]=emd（x-acum+std（x-acum）*noise‘MAXMODES‘1‘MAXITE

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1695  2011-06-06 20:10  example_ICASSP2011.m

     文件       3560  2011-06-06 18:31  ceemdan.m

     文件       1460  2011-06-01 15:06  ecg.mat

     文件       3331  2011-06-06 18:30  eemd.m

     文件      22276  2010-12-03 15:29  emd.m

----------- ---------  ---------- -----  ----

                32322                    5