CEEMDAN 算法详解：自适应噪声的完全集合经验模态分解

CEEMDAN（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise）是一种基于自适应噪声的完全集合经验模态分解方法。其计算过程如下：

1. 对原始信号进行预处理，包括去趋势、归一化等操作。

2. 将预处理后的信号分解为若干个局部模态函数（IMF），通过对原始信号进行包络分解、局部极值点提取等方法得到。

3. 对每个IMF进行自适应噪声干扰处理，通过加入高斯白噪声的方式增加每个IMF的噪声水平，以避免过拟合。

4. 在每个IMF的噪声处理后，再次提取每个IMF的极值点，得到新的IMF。

5. 重复第3和第4步，直到得到满足停止条件的IMF集合。

6. 将IMF集合进行加权平均，得到原始信号的分解结果。

其中，CEEMDAN的关键在于自适应噪声干扰处理的方法，它能够有效地避免过拟合，提高分解的准确性和稳定性。