Simoneemd是经验模态旦凳分解。
经验模态分解（Empirical Mode Decomposition，简称EMD）是依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。
这一点与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的差别。
正是由于模盯旅这样的特点，EMD方法在理论则毁上可以应用于任何类型的信号的分解，因而在处理非平稳及非线性数据上，具有非常明显的优势，适合于分析非线性、非平稳信号序列，具有很高的信噪比。
经验模态分解的原理：
经验模态分解(EMD)方法的实质是通过特征时间尺度来识别信号中所内含的所有振动模态(Intrinsic Oscillatory Mode)。
在这一过程中，特征时间尺度及IMF的定义都具有一定的经验性和近似性。与其他信号处理方法相比，EMD方法是直观的、间接的、后验的、自适应的，其分解所用的特征时间尺度是源自于原始信号的。
