EMD分解（經驗模態分解）是一種信號處理方法，旨在將複雜信號分解為有限個本徵模函式（IMF），每個IMF代表信號中的不同時間尺度的局部特徵。EMD分解的基本原理和步驟如下：
原理。EMD分解基於數據自身的時間尺度特徵，無需預先設定任何基函式。這種方法是自適應的，僅從數據中生成表示數據的基函式。EMD分解生成的基函式是本徵模態函式（IMFs），它們是局部正交基函式，其振幅和頻率隨時間變化。
步驟。通常包括提取原始信號的極值點，用三次樣條插值法連線極值點生成上下包絡線，計算包絡線的平均值得到均值包絡線，然後將原始信號減去均值包絡線得到細節信號（中間信號）。如果細節信號滿足EMD分解的條件，即極值點數目與過零點數目相等或最多相差一個，且局部極大值和極小值的包絡平均值為零，則將其視為一個IMF。如果不滿足，將細節信號作為新的原始信號，重複以上步驟。繼續這個過程直到滿足條件的IMFs被提取出來，最後將所有提取的IMFs與殘差慢趨勢相加，以重建原始信號，實現完美的信號重構。
EMD分解適用於非線性、非平穩信號的處理，與短時傅立葉變換、小波分解等方法相比，EMD更加直觀、自適應。它在信號處理、圖像處理、振動分析等領域有著廣泛的套用。