EEMD是一种改进的EMD方法，其在每次经验模态分解的过程中叠加高斯白噪声，利用白噪声的统计特性，通过改变信号振幅的极值点特性来避免模态混叠的问题^[11]。最终，EEMD对多次EMD分解得到的本征模态函数(Intrinsic mode function, IMF)进行平均处理，消除白噪声的影响，从而更加准确地分析信号的特性和特征。具体实现步骤如下：

1)设定总体平均次数M，确定分解的IMF数量J。

2)在原始信号\begin{document}$ y(t) $\end{document}上加上1个满足标准正态分布的白噪声序列\begin{document}$ n(t) $\end{document}，得到含噪声的信号\begin{document}$ x(t) $\end{document}：

1\begin{document}$ x(t) = y(t) + n(t) 。 $\end{document}

3)对含噪声的信号\begin{document}$ x(t) $\end{document}进行EMD，得到分解出的IMF和残差项：

2\begin{document}$ x(t) = \displaystyle\sum\limits_{{{j}} = 1}^J {{c_{i,j}}\left( t \right)} + {r_{i,j}}\left( t \right) \text{，} $\end{document}

式中，\begin{document}${{{c}}_{i,j}}(t)$\end{document}为第i次加入白噪声后分解得到的第j个IMF，\begin{document}${{{r}}_{i,j}}(t)$\end{document}是残余函数，代表信号的平均趋势，J是IMF的数量。

4)重复步骤2)和步骤3)M次，每次生成1个幅值不同的白噪声序列并加入到原始信号中进行分解，得到M组IMF：\begin{document}${{{c}}_{1,j}}(t),$\end{document}\begin{document}${{{c}}_{2,j}}(t),$\end{document}…,\begin{document}${{{c}}_{M,j}}(t)$\end{document}, j=1, 2, …, J。

5)按照IMF的顺序，将每一组IMF按照序号求出其统计平均值，得到J个平均IMF。将M组IMF对应位置的平均值取平均，得到最终的IMF^[12]，即：

3\begin{document}$ {c_j}\left( t \right) = \dfrac{{\text{1}}}{M}\displaystyle\sum\limits_{{{i}} = 1}^M {{c_{i,j}}\left( t \right)} , $\end{document}

式中，\begin{document}$ {{{c}}_j}(t) $\end{document}是EEMD分解的第j个IMF，i=1, 2, …, M, j=1, 2, …, J。