若信号间的能量和频率比例过大，经验模式分解不能分解出正确的单一模式分量。针对这 种状况提出一种经验模式分解与独立分量相结合的信号分析方法。该方法能分离出 IMF 分量的固有特性， 消除EMD分解过后各IMF之间信息混淆问题，恢复各个单分量所丢失的信息特性，改善了经验模式分解能力不足所带来局限性，保障经验模式分解的有效性。-If the signal energy and frequency ratio is too large, the empirical mode decomposit

经验模态分解(EMD Empirical Mode Decomposition )算法是Hilbert-Huang变换(HHT)的核心算法。经验模态分解(EMD)算法是通过算法过程定义的，而并非由确定的理论公式定义的，所以对其进行准确的理论分析非常困难，我们目前只能借助大量的数字仿真试验不断对其性能进行深入的研究。 EMD算法的目的在于将性能不好的信号分解为一组性能较好的本征模函数（IMFIntrinsic Mode Function ），且IMF须满足以下两个性质： (1)信号的极值点(极