信号分析及信号处理的算法有哪些？

一、信号分析：通常是提取信号本身固有的频率、幅值、初始相位、能力或功率、排列熵、样本熵等数值指标，其结果用于其他用途。

二、信号处理：通常是对信号或说数据作某种“改变”，如降噪、提取分量再重构、调制解调等，是对信号进行提取、变换、分析、综合等处理过程的统称。

三、常用算法及其亮点简介：

（1）变分模态分解（Variational Mode Decomposition，缩写VMD）：模态分解认为信号是由不同“模态”的子信号叠加而成的，而变分模态分解则认为信号是由不同频率占优的子信号叠加而成的，其目的是要把信号分解成不同频率的子信号。

        该算法，是目前超好用、普遍常用的算法。

（2）经验模态分解（Empirical Mode Decomposition，缩写EMD）：是由黄锷（N. E. Huang）与其他人于1998年创造性地建立的一种自适应信号时频处理方法，特别适用于非线性非平稳信号的分析处理。

        该算法，是目前好用、常用的算法，仅次于变分模态分解算法。

（3）小波分析（Wavelet）：也叫“小波变换”，它通过伸缩和平移两种处理对信号(函数)逐步进行多尺度细化，最终达到在信号高频处实现按时间细分，在信号低频处实现按频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破。有人把小波变换称为“数学显微镜”。

        该算法，比较陈旧，被前人用得较多。但仍然是目前好用、常用的算法，仅次于变分模态分解算法、经验模态分解算法。