1. EMD代表的是经验模态分解（Empirical Mode Decomposition）。2. 该方法的特点是根据数据自身的时间尺度特征进行信号分解，无需预设任何基函数。3. 与传统的傅里叶分解和小波分解不同，EMD不需要依赖谐波或小波基函数的先验知识。4. 由于EMD能够适应任何类型的信号分解，它在处理非平稳和非线性数据时展现出独特的优势。5. EMD特别适用于分析具有高信噪比的非线性、非平稳信号序列。6. EMD的核心原理是通过识别信号中的特征时间尺度来提取内含的振动模态。7. 在EMD的过程中，特征时间尺度和IMF（固有模态函数）的定义基于经验和近似，具有一定的直观性和自适应性。8. 与其他信号处理技术相比，EMD是直观的、间接的、后验的，并且分解过程中使用的特征时间尺度直接源自原始信号。
