EWT（Empirical Wavelet Transform，经验小波分解）是一种基于信号本身的自适应信号分解方法，可以适应非线性和非平稳信号的分解，并且能够捕捉信号的局部特征。EWT方法的基本思想是将信号分解为多个局部带通（局部频带）的子信号，通过自适应地选择带通边界和频带间隔来实现局部时频分析，然后对每个子信号进行希尔伯特变换，最后将得到的时频图进行叠加得到原始信号的时频图。

EWT方法的主要步骤包括：

1. 初始化，确定信号分解的比例和缩放参数；

(资料图)

2. 将信号分解为预定义的局部带通信号，通过求解带通信号的自适应边界实现信号分解；

3. 对每个局部带通信号进行希尔伯特变换，得到时频图；

4. 在时频图上根据局部特征进行求和或求平均，得到原始信号的时频图，从而实现信号分解。

EWT方法的优点是适应性强，可以对多种非线性、非平稳的信号进行有效分解，并且能够保留信号的局部时频结构信息。但是，由于其需要选择参数，并且对噪声敏感，因此在某些情况下分解结果可能存在误差。

（1）原始信号

（2）EWT分解的效果（时域图）

（3）EWT分解效果(时域图和频谱图)

具体代码见：https://mbd.pub/o/bread/mbd-ZJqYmJ5r