emd分解成多个imf分量，通过判断以后进行希尔伯特变换

在使用希尔伯特变换的时候，前一步要经过emd分解，将数据分解成多个imf分量。

function [allmode] = eemd（Y NoiseLevel NE numImf varargin）
% fast EMD/EEMD/CEEMD code:
%  Copyright （C） RCADA National Central University; 2013
%  ***** For Educational and Academic Purposes Only ********* 
%  Author : Yung-Hung Wang RCADA NCU
%
% Please Cite: 
% Y. H. Wang C. H. Yeh H. W. V. Young K. Hu and M. T. Lo
% “On the computational complexity of the empirical mode decomposition
% algorithm“
% Physica A: Statistical Mechanics and its Applications vol. 400Issue 15 pp. 159-167 2014
%
% Usage: 
% （A） [allmode]=eemd（Y NoiseLevel NE numImf）
% （B） [allmode]=eemd（xNoiseLevelNEnumImfrunCEEMDmaxSifttypeSplinetoModifyBCrandTypeseedNocheckInput）;
%---------------------------------------------------------------
% INPUTS : 
%        Y: input signal
%        NoiseLevel: noise level
%        NE: ensemble number; if NE=1 and NoiseLevel = 0 then run EMD [2]
%        numImf: number of prescribed imf; if it is less than zeroit will be log2（n） n=data length 
% 
%-------------Additional Input Properties-----------------------------------------
% runCEEMD: default=0; 0: run EEMD [3]; 1: CEEMD [4] add anti-phase noise so input signal is reconstructed; 
% maxSift:default = 10; sifting iteration number; 
% typeSpline: default=2; 1: clamped spline; 2: not a knot spline; 3: natural cubic spline;
% toModifyBC: default=1; 0: None ; 1: modified linear extrapolation; 2: Mirror Boundary
% randType: fefault=2; 1: uniformly distributed random noise; 2: gaussian white noise
% seedNo: default=1; random seed number in generating white noise; The seed number must be an integer between 0 and 2^32 - 1
% checkSignal: default=1;  0=> dont check  the input signal;  1: check there is any  NaN or Infinity in input;
%
% OUTPUTS :
%  allmode[m][t]: returned imfs; m=imf index t=time index
%
% References
%    [1] Y. H. Wang C. H. Yeh H. W. V. Young K. Hu and M. T. Lo 
%        “On the computational complexity of the empirical mode decomposition algorithm“
%        Physica A: Statistical Mechanics and its Applications vol. 400 Issue 15 pp. 159-167 2014
%    [2] N. E. Huang Z. Shen S. R. Long M. L. Wu H. H. Shih Q. Zheng N. C. Yen C. C. Tung and H. H. Liu 
%        “The Empirical Mode Decomposition and Hilbert spectrum for nonlinear and non-stationary time series analysis“
%        Proc. Roy. Soc. London A Vol. 454 pp. 903995 1998.
%    [3] Z. Wu and N. E. Huang “Ensemble Empirical Mode Decomposition: A
%        Noise-Assisted Data Analysis Method“ Advances in Adaptive Data Analysis vol. 1 pp. 1-41 2009.
%    [4] J. R. Yeh J. S. Shieh and N. E. Huang “Complementary ensemble empirical
%        mode decomposition: A novel noise enhanced data analysis method“ 
%        Advances in Adaptive Data Analysis vol. 2 Issue 2 pp. 135156 2010.
%
%


fprintf（‘Copyright （C） RCADA NCU Taiwan.\n‘）;

allmode = [];
%verifyCode = 20041017; % For verification of emd

[YNoiseLevelNE

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

     文件      21504  2014-09-04 17:26  emd.mexw64

     文件        569  2017-04-26 10:55  EMDgjx.m

     文件       1377  2017-03-29 14:28  example_eemd.m

     文件       2155  2018-06-26 08:59  HHTpu.asv

     文件       2154  2018-06-26 09:11  HHTpu.m

     文件       1688  2016-03-11 15:32  plot_hht.m

     文件       7871  2017-10-02 08:40  eemd.m

     文件      22140  2014-09-04 16:52  emd.mexa64

     文件      16896  2014-08-01 13:27  emd.mexw32

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

                76354                    9