本书是非平稳数据分析教材，涵盖经验模态分解、集成经验模态分解、快速集成经验模态分解、互补集成经验模态分解、完全自适应噪声集成经验模态分解、改进的集成经验模态分解、基于优化的经验模态分解、变分模态分解、奇异谱分解、小波分解、小波包分解、固有时间尺度分解、局部均值分解、二次分解等，从理论基础、分解步骤、案例实现与延伸阅读四个角度展开，比较了不同算法的分解效果，共19章。
本书提供了各分解算法实现的Matlab或Python代码，可应用于金融、经济、统计、信息等领域，方便读者学习查阅。
本书可以作为高等院校统计学类、经济管理类、系统工程等专业的本科生和研究生课程的实践教材，也可以作为其他相关专业研究生的教材和教学参考书，另外，对广大从事与数据分析相关工作的实际工作者也极具参考价值。

蒋锋，男，博士，文澜青年学者，中南财经政法大学副教授。2011年获华中科技大学理学博士学位后在中南财经政法大学任教。2013年华中科技大学控制科学与工程博士后出站。2015～2016年澳大利亚Monash大学访问学者。现主持国家自然科学基金项目与湖北省自然科学基金项目。曾获湖北省优秀博士学位论文奖，曾参与完成国家杰出青年基金项目和省杰出青年科学基金项目。在IEEE Transactions on Automatic Control等期刊上发表SCI收录论文30余篇，主要研究方向是随机控制、神经网络和稳定性分析。

绪论
第1章 经验模态分解
1.1 理论基础
1.2 EMD分解步骤
1.3 案例应用
1.4 延伸阅读
参考文献
练习题
第2章 集成经验模态分解
2.1 理论基础
2.2 EEMD分解步骤
2.3 案例应用
2.4 延伸阅读
参考文献
练习题
第3章 快速集成经验模态分解
3.1 理论基础
3.2 FEEMD分解步骤
3.3 案例应用
3.4 延伸阅读
参考文献
练习题
第4章 互补集成经验模态分解
4.1 理论基础
4.2 CEEMD分解步骤
4.3 案例应用
4.4 延伸阅读
参考文献
练习题
第5章 完全自适应噪声集成经验模态分解
5.1 理论基础
5.2 CEEMDAN分解步骤
5.3 案例应用
5.4 延伸阅读
参考文献
练习题
第6章 改进的集成经验模态分解
6.1 理论基础
6.2 MEEMD分解步骤
6.3 案例应用
6.4 延伸阅读
参考文献
练习题
第7章 改进的完全自适应噪声集成经验模态分解
7.1 理论基础
7.2 ICEEMDAN分解步骤
7.3 案例应用
7.4 延伸阅读
参考文献
练习题
第8章 基于样条优化的经验模态分解
8.1 理论基础
8.2 OS-EMD分解步骤
8.3 案例应用
8.4 延伸阅读
参考文献
练习题
第9章 多分量近端算法的经验模态分解
9.1 理论基础
9.2 Prox-EMD分解步骤
9.3 案例应用
9.4 延伸阅读
参考文献
练习题
第10章 基于无约束优化方法的经验模态分解
10.1 理论基础
10.2 UOA-EMD分解步骤
10.3 案例应用
10.4 延伸阅读
参考文献
练习题
第11章 变点分析技术改进的EMD去噪方法
11.1 理论基础
11.2 变点分析技术改进的EMD去噪方法分解步骤
11.3 案例应用
11.4 延伸阅读
参考文献
练习题
第12章 二维经验模态分解
12.1 理论基础
12.2 BEMD算法分解步骤
12.3 案例应用
参考文献
练习题
第13章 小波分解
13.1 理论基础
13.2 离散小波分解步骤
13.3 案例应用
13.4 延伸阅读
参考文献
练习题
第14章 小波包分解
14.1 理论基础
14.2 WPD分解步骤
14.3 案例应用
14.4 延伸阅读
参考文献
练习题
第15章 奇异谱分析
15.1 理论基础
15.2 奇异谱分析原理
15.3 案例应用
15.4 延伸阅读
参考文献
练习题
第16章 变分模态分解
16.1 理论基础
16.2 VMD算法分解步骤
16.3 案例应用
16.4 延伸阅读
参考文献
练习题
第17章 固有时间尺度分解
17.1 理论基础
17.2 ITD分解步骤
17.3 案例应用
17.4 延伸阅读
参考文献
练习题
第18章 局部均值分解
18.1 理论基础
18.2 LMD分解方法原理
18.3 案例应用
18.4 延伸阅读
参考文献
练习题
第19章 二次分解
19.1 背景介绍
19.2 案例应用
附录A：MATLAB软件使用初步
附录B：Python使用初步
附录C：源代码