计算机中的EMD是 经验模态分解（Empirical Mode Decomposition）的简称。它是一种信号处理技术，用于将复杂的信号分解为若干个固有模态函数（Intrinsic Mode Functions, IMF）和一个残余项。EMD的核心思想是根据数据自身的时间尺度特征来进行信号分解，无需预先设定任何基函数。
EMD算法具有以下特点：
自适应性：
EMD能够根据信号自身的时间尺度特征进行自适应分解，无需预设基函数。
时频分析：
EMD适用于线性和非线性、非平稳信号的分析，能够更好地反映信号的物理意义。
物理意义：
EMD假设瞬时频率有意义的函数必须是对称的，局部均值为零，并且具有相同的过零点和极值点数目。
计算步骤：
EMD通过找出信号的极值点，拟合上下包络线，并通过迭代过程去除低频成分，最终得到若干个IMF和一个残差。
EMD在多个领域有广泛应用，如心跳信号、脑电波、股票价格等非线性非平稳信号的处理。此外，EMD还是Hilbert-Huang变换（HHT）的核心算法之一。
需要注意的是，尽管EMD在信号处理领域具有广泛应用，但由于其算法过程的非线性和复杂性，对其进行准确的理论分析仍然具有挑战性。因此，实际应用中通常需要通过大量的数字仿真试验来评估其性能。