集合经验模态分解（EEMD）在语音中的应用举例

前文提到了混叠模态问题，在语音信号中是否会出现混叠模态？应该是会出现的。下面举的例子还是在Wu的文章上的例子。

对一个“hello”的音频信号做经验模态分解，音频信号如下图Fig. 10.

先对这个信号做常规的EMD分解，分解得到的多级本征模函数如下图Fig.11. 从第二阶本征模函数及往后的波形都可以看到有高度分离的幅值和尺度的地方，这就说明了存在混叠模态。

下面进行EEMD分级，先做的是添加噪声。这里添加的噪声幅值为信号均方根的0.1.分解得到的本征模态函数波形如图Fig. 12所示：

这分解的效果是比EMD的好很多，特别是第三阶本征模态函数，基本上可以很好反映原始信号。其他阶的信号也有明显的改善。

求每一阶本征模函数的Hilbert spectra，从频域分布看改善的效果。

从上面两幅图中，作者认为EEMD方法得到的结果中混叠模态问题得到嘞很好的解决，因为图中基本没有过渡带（transition gaps），基波（basic frequency）基本都是连续的。