各种时频分析方法-不定期更新
引言
目前，我所知道的时频分析方法有短时傅里叶变换（STFT）、小波变换（WT）、Wigner-Ville分布(WVD)、经验模态分解（EMD）、集合经验模态分解（EEMD）、补充总体经验模态分解（CEEMD）、完全自适应噪声集合经验模态分解（CEEMDAN）、变分模态分解（VMD）
网页上关于这些时频分析方法的介绍数不胜数，我在查阅的时候每个都看过，觉得应该整理一下分析的比较清楚的链接，方便以后参考。
一、短时傅里叶变化（STFT）
1、介绍
优点： 短时傅里叶变换是最早提出的，仍然基于傅里叶变换的，所以其算法易于理解。
缺点： 时频分辨率不能兼得，窗长越长，时间分辨率越低，窗长越短，频率分辨率越低。
2、链接
- 先来好好理解一下什么是傅里叶频谱分析，只能分析信号的固有震动频率，频谱分析。
- 时频分析之STFT：短时傅里叶变换的原理与代码实现（非调用Matlab API）
这篇文章通俗易懂，举例说明傅里叶变换的缺陷和为什么我们需要时频分析来引入，详细的讲解了短时傅里叶变换及其的matlab实现。 - 时频分析之短时傅里叶变换(STFT)
详细讲解了matlab中的 spectrogram函数的用法。
二、小波变换（WT）
1、介绍
小波变换超出了傅里叶变换的范畴，是将信号分解为一系列的小波函数的叠加(或者说不同尺度、时间的小波函数拟合)，
优点： 比起用正余弦函数拟合信号，小波基更能反应信号的突变细节。
缺点： 小波基是基于经验提出的，不具有自适应性，不能用一种小波基拟合所有类型的信号。
2、链接
- 小波变换和小波阈值法去噪，这篇文章讲解的很全面，关于小波变换和小波阈值去噪以及matlab中所包含的所有有关小波的函数。
- 小波去噪软阈值和硬阈值的matlab仿真程序，这篇程序可以参考，主要是matlab中软硬阈值函数 wthresh 的使用。
- 数字图像处理——第七章（小波变换和多分辨率处理），详细讲解了小波变换原理，小波多分辨率分析 ，以及matlab中小波工具包和小波包工具包的使用。
三、经验模态分解（EMD）及其改进算法
1、介绍
经验模态分解是1998年黄锷提出HHT( Hilbert - Huang Transform)中对于非稳态信号作希尔伯特谱分析的一个基础。
优点： EMD依据数据自身的 时间尺度特征来进行信号分解，无须预先设定任何基函数，自适应地进行信号主要成分分析。
缺点： 没有任何理论基础，且容易受到模态混叠、端点效应的影响。
EEMD原理： 白噪声以不同尺度均匀填充在整个时频空间，EMD每一次分解都包含原信号和添加的白噪声。由于白噪声是相互独立且均值为0，多次分解求平均之后噪声被相互抵消。
CEEMDAN原理：
2、链接
- 经验模态分解-基础理论篇，这篇文章能让你通过图形直观的理解什么是本征模态分量（IMF）和 EMD分解过程。(宝藏博主更新了很多后序改进算法的讲解，可以逐一查看，并且公众号还封装了代码，点赞)
- EMD 经验模态分解，这篇文章教你如何将matlab中的MED工具箱转换为c代码。
- 信号处理笔记(1)EMD经验模态分解，文章讲解了EMD算法的 python代码 实现。
- 对HHT中EMD处理的理解，从数学定义式角度详细讲解了EMD算法中涉及到的解析信号以及IMF概念。
- 希尔伯特-黄变换（HHT）的前世今生——一个从瞬时频率讲起的故事，很有意思的一篇文章。
- EMD——EEMD——CEEMD语音增强算法基础，有基础的情况下，一下就可以看懂三种算法的区别。
- G-Rilling EMD工具箱 ，详细的讲解了G-Rilling工具箱各个函数的使用方法，搭配Matlab Hilbert-Huang 变换分析总结食用更香，这两篇文章看完你可以大致对matlab中EMD的使用通透了。安装时候如果显示如下情况，到附加功能中搜索 MinGW 进行下载安装后，重新进行emd工具包的安装。
- 信号处理——Hilbert变换及谱分析，对Hilbert方法解调进行分析，并且对求信号瞬时频率给了对比。
四、变分模态分解（VMD）及其改进方法
1、介绍
变分模态分解是在EMD基础上提出的，定义了约束条件更为严格的本征模态分量（IMF），主要是想使各模态的估计带宽之和达到最小。
优点：
（1）自适应、完全非递归的模态变分和信号处理的方法；
（2）数学理论完整，对IMF和带宽定义明确且最终得到各模态的推导过程明确；
（2）可以指定模态最终分解为多少个模态（既是优点也是缺点）；
缺点： 模态数量 K 和惩罚系数 α 的确定比较困难。
2、链接
- 信号分解 —＞ 变分模态分解（VMD）学习笔记，详细分析了原论文中为什么要这样构造变分问题来约束带宽，也提供了资源对VMD代码进行了详细注释。
- 类EMD的“信号分解方法”及MATLAB实现（第四篇）——VMD，对VMD做了总结，忽略了其中的数学推导过程，介绍了VMD所需要的几个参数的含义。
- 信号处理——EMD、VMD的一点小思考，对 VMD 分解个数K的确定给出了自己的一点小思考，可以借鉴一下。
参考文献：
- The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis [J]
- Variational Mode Decomposition [J]
- The Fourier decomposition method for nonlinear and non-stationary time series analysis [J]
- 杨宏. 经验模态分解及其在水声信号处理中的应用 [D]. 西北工业大学
各种时频分析方法-不定期更新相关推荐
- 时频分析方法总结：傅里叶级数及傅里叶变换、STFT 、小波变换、Wigner-Ville 分布
前言: 一.傅里叶变换的机理 一个能量无限的正弦信号和源信号乘积并求和得到某个频率下的系数,随着频率的增加,正弦信号改变,再次求得系数,依次构成了频谱图 傅里叶级数及傅里叶变换 https://blo ...
- 信号能量密度公式_信号时频分析方法汇总
No.1短时傅里叶变换(Short-Time Fourier Transform (Spectrogram)) (1)方法说明ü 短时傅里叶变换是一种线性时频表示方法,可用于非平稳多分量信号的分析. ...
- 《基于短时分数阶傅里叶变换的时频分析方法》
短时分数阶傅里叶变换 STFRFT中变换阶次的估计和误差分析 利用级数展开式先进行阶次初步预测,然后在此预测值基础上再进行精搜索 小邻域内的拉格朗日插值多项式 去除别的目标的方法CLEAN
- stft isar成像 matlab,基于时频分析的ISAR成像
1引言雷达目标的回波具有时变性,因此常用的频域或时域处理方法往往力不从心.解决该问题的主要工具联合时频技术应运而生.逆合成孔径雷达(ISAR)成像的基本方法为距离一多普勒法,距离一多普勒法采用DFT对 ...
- 同步压缩变变时频分析和盲源分离
同步压缩变变时频分析和盲源分离 代码运行环境为MATLAB r2018a 同步压缩变换SST通过同步压缩算子对时频系数进行重排,将信号在时频平面任一点处的时频分布移到能量的重心位置,增强瞬时频率的能量 ...
- 时频分析：短时傅里叶变换
目录 1 傅里叶变换的缺陷 2 短时傅里叶变换(窗式傅里叶变换) 3 小波部分 4 补充部分 1 傅里叶变换的缺陷 FFT在平稳信号的分析和处理中有着突出贡献的原因在于,人们利用它可以把复杂的时间信号 ...
- 时频分析：短时傅里叶变换（1）
目录: 文章目录 目录: 前言 1傅里叶变换的缺陷 2短时傅里叶变换(窗式傅里叶变换) 3小波部分 4补充部分 补充 前言 最近需要对处理的数据做时频分析,因此恶补了一下相关的知识,光是学习并没有用处 ...
- 同步压缩变换在时频分析和盲源分离等方面的应用
时频分析方法使用时-频域联合分布描述信号的瞬态特征,并通过瞬时频率估计来表征信号特征频率随时间变化的趋势.广泛使用的短时傅里叶变换STFT 和小波变换WT的时频分辨率取决于窗口和基函数的选择,但是由于 ...
- 时频分析在工程中的应用
时频分析在工程中的应用 时频分析在工程中的应用 在传统的信号处理中,人们分析和处理信号的最常用也是最直接的方法是傅里叶变换.傅里叶变换及其反变换构建起信号时域与频域之间变换的桥梁,是信号时域与 ...
- 基于同步压缩小波变换(Synchrosqueezed wavelet transforms)的时频分析的MATLAB实现(不使用内置函数wsst)
引言 同步压缩小波变换(Synchrosqueezed wavelet transforms, SST)采用了经验模态分解的设计思路,结合小波变换和reallocation theory构建而成,有明 ...
最新文章
- [Spring MVC] - Spring MVC环境搭建
- sklearn学习总结（超全面）
- C++ Vector 使用总结
- Linux上端口开放常用命令
- NVIDIA cuda7在centos6.5中的安装
- 趣学python3(47)--尾递归
- 计算机控制试卷中南大学,期末试卷，需要的自取
- 何樱c语言,C语言程序设计-电子教案-连卫民（442页）-原创力文档
- java编写简单邮件_Javamail,编写简单的程序发送邮件
- 创建一个java项目
- Tair是一个高性能，分布式，可扩展，高可靠的key/value结构存储系统（转）
- centos 安装 freeswitch，开启与关闭
- 使用SQL语句添加和删除约束
- android 4.2 camera gallery2,Android Gallery2 修改双击、手势放大的最大倍数
- 你的第一个 iOS 应用程序: 100% 的编程方式
- word文档通配符换行_这个小工具，让你word操作效率翻倍
- spring cloud入门组件教程
- 4.3 数值分析: 简单迭代法的构造和收敛条件
- 一套新能源汽车动力电池热管理热仿真攻略
- matlab面板数据处理程序,MATLAB空间面板数据模型操作简介