emd是經驗模態分解。
經驗模態分解（Empirical Mode Decomposition，簡稱EMD）是依據數據自身的時間尺度特征來進行信號分解，無須預先設定任何基函數。
這壹點與建立在先驗性的諧波基函數和小波基函數上的傅裏葉分解與小波分解方法具有本質性的差別。
正是由於這樣的特點，EMD方法在理論上可以應用於任何類型的信號的分解，因而在處理非平穩及非線性數據上，具有非常明顯的優勢，適合於分析非線性、非平穩信號序列，具有很高的信噪比。
經驗模態分解的原理：
經驗模態分解(EMD)方法的實質是通過特征時間尺度來識別信號中所內含的所有振動模態(Intrinsic Oscillatory Mode)。
在這壹過程中，特征時間尺度及IMF的定義都具有壹定的經驗性和近似性。與其他信號處理方法相比，EMD方法是直觀的、間接的、後驗的、自適應的，其分解所用的特征時間尺度是源自於原始信號的。