1.分解部分
（POA-VMD）采用鹈鹕优化变分模态分解
寻优对象：k α
包含10种适应度函数
可出适应度曲线图 分解图 频谱图 三维分解图和α、K位置随迭代变化图
适应度函数包括：
1.综合评价指标2.包络熵3.包络谱峭度值4.幅值谱熵5.模糊熵
6.皮尔逊系数7.峭度值8.样本熵9.排列熵10.信息熵
-
鹈鹕优化算法（POA）：
- 原理：鹈鹕优化算法是一种启发式优化算法，模仿了鹈鹕捕食的行为。该算法通过初始化鹈鹕种群，模拟鹈鹕识别猎物并移动的过程，以及在水面上收集猎物的行为，来实现全局和局部搜索的平衡。
- 应用：在VMD中，鹈鹕优化算法可以用于自动选择最佳的分解参数，如模态数和带宽约束。通过最小化一个适应度函数（如重构误差或样本熵），可以找到最适合信号特性的VMD参数。
-
变分模态分解（VMD）：
- 原理：VMD是一种自适应的非线性、非平稳信号处理方法，它将复杂信号分解为一系列具有不同中心频率和有限带宽的子信号（模态）。这些模态在时频域上具有良好的稀疏性，有助于分析和处理信号中的不同成分。
- 应用：VMD可以用于信号的降噪处理。通过分解信号，可以识别并去除噪声成分，从而得到更纯净的信号。
2.分量筛选
采用余弦相似度评判分解分量与原序列间的余弦相似度，设定阈值，将含躁分量提取出，
- 原理：余弦相似度是一种衡量两个向量之间相似性的方法。它基于向量间的夹角余弦值来计算，值越接近1表示两个向量越相似。
- 应用：在降噪过程中，余弦相似度可以用于评估分解得到的各个模态分量与原信号之间的相似性。通过设定阈值，可以识别并提取出含噪分量，以便进行进一步的处理。
3.降噪
通过阈值小波进行降噪，
降噪方法包含（可根据降噪效果选取最合适的方法。）
%软小波阈值降噪
%硬小波阈值降噪
%改进小波阈值降噪（阈值函数曲线见链接图片）
小波阈值降噪：
- 原理：小波阈值降噪是一种基于小波变换的信号处理方法。它通过对小波系数进行阈值处理，可以去除噪声成分并保留信号的主要特征。
- 应用：在VMD分解得到的含噪模态分量上，可以应用小波阈值降噪方法。通过选择合适的小波基函数和阈值策略，可以有效地去除噪声，提高信号的质量。
以西储大学数据为例效果如图
