python-EMD工具包安装

最新推荐文章于 2026-05-18 12:22:48 发布

原创最新推荐文章于 2026-05-18 12:22:48 发布 · 9.5k 阅读

本内容遵循CC 4.0 BY-SA版权协议

本文详细介绍了如何在Python环境中安装并使用PyEMD模块进行经验模态分解（EMD）。首先，提供了多种安装方法，包括直接在settings中搜索添加（速度较慢）、下载python模块pyhht（不适用于Python3）以及推荐的下载emd包并用pip命令行安装。安装过程中可能遇到的问题及解决方法也一并阐述，如未安装msgpack导致的错误。最后，通过一段示例代码展示了如何使用PyEMD进行信号分解，并给出了运行结果。

Python3.8

Conda

Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

1.直接在settings中搜索pyemd添加，但速度十分慢
2.下载python模块pyhht，可实现经验模态分解功能，但是pyhht不适合python3版本
3.先下载emd包：emd
介绍文档
再用命令行安装：pip install EMD-signal
安装前首先要保证正确安装了numpy和scipy工具包
安装过程中出现了在这里插入图片描述
是没安装msgpack，解决方法：
pip install msgpack-python
pip install msgpack

下载成功后测试代码（介绍文档中提供）：

from PyEMD import EMD
import numpy  as np
import pylab as plt

# Define signal
t = np.linspace(0, 1, 200)
s = np.cos(11*2*np.pi*t*t) + 6*t*t

# Execute EMD on signal
IMF = EMD().emd(s,t)
N = IMF.shape[0]+1

# Plot results
plt.subplot(N,1,1)
plt.plot(t, s, 'r')
plt.title("Input signal: $S(t)=cos(22\pi t^2) + 6t^2$")
plt.xlabel("Time [s]")

for n, imf in enumerate(IMF):
    plt.subplot(N,1,n+2)
    plt.plot(t, imf, 'g')
    plt.title("IMF "+str(n+1))
    plt.xlabel("Time [s]")

plt.tight_layout()
plt.savefig('simple_example')
plt.show()

运行结果：在这里插入图片描述