经验模态分解EMD（不带边界延拓的），根据法国学者的镜像延拓经验模态分解修改而来。

本程序适用于非线性、非平稳信号，其分解后的imf分量能够较好地抑制端点效应

HHT基于GRilling的极值镜像延拓边界处理方法的改进-emd_Rilling_paracon.txt 之前看到《希尔伯特-黄变换方法的改进》中提出“平行延拓”的方法来对端点效应问题进行改善处理： “利用端点处附近的两个相邻极值点（一极大值，以极小值）处斜率相等这一特性，认为在边端处定义出两个极值点，分别连接相邻的极大值与极小值，对包络线进行拟合”。（在线时间不够，图片只能上传附件） 1.jpg 上图为第一个极值是极小值与最后一个极值是极大值的情况，其他三种情况类似。        针对图

采用三次相位板进行景深延拓的波前编码系统得到非对称的点扩展函数。为了获得最终清晰的彩色图像，研究了一种基于广义极小残差法(GMRES)的迭代算法，结合Tikhonov规整化方法，并利用多通道处理过程对中间图像进行去卷积恢复。为了消除恢复图像边界的振铃效应，推导了新的光学成像过程数学模型，该模型采用反镜像边界条件并利用直积近似对卷积核进行处理。模拟数据的分析表明，采用多通道处理过程对彩色图片进行恢复时，新的算法在给出精确的反卷积结果的同时能有效地抑制噪声的放大;实验结果显示，较之经典的维纳滤波恢复