信号处理:希尔伯特黄变换
目录:
- 目录:
- 前言
- 简介
- 基本原理
- 经验模态分解
- 希尔伯特变换
- 特点
- (1)HHT能分析非线性非平稳信号。
- (2)HHT具有完全自适应性。
- (3)HHT不受Heisenberg测不准原理制约——适合突变信号。
- (4)HHT的瞬时频率是采用求导得到的。
前言
最近在做信号处理,发现自己基本功不够扎实,开始了恶补之路,希望能够尽快的补齐吧。
简介
希尔伯特黄变换
1998年,Norden E. Huang(黄锷:中国台湾海洋学家)等人提出了经验模态分解方法,并引入了Hilbert谱的概念和Hilbert谱分析的方法,美国国家航空和宇航局(NASA)将这一方法命名为Hilbert-Huang Transform,简称HHT,即希尔伯特-黄变换
HHT主要内容包含两部分,第一部分为经验模态分解(Empirical Mode Decomposition,简称EMD),它是由Huang提出的;第二部分为Hilbert谱分析(Hilbert Spectrum Analysis,简称HSA)。简单说来,HHT处理非平稳信号的基本过程是:首先利用EMD方法将给定的信号分解为若干固有模态函数(以Intrinsic Mode Function或IMF表示,也称作本征模态函数),这些IMF是满足一定条件的分量;然后,对每一个IMF进行Hilbert变换,得到相应的Hilbert谱,即将每个IMF表示在联合的时频域中;最后,汇总所有IMF的Hilbert谱就会得到原始信号的Hilbert谱。
基本原理
经验模态分解
经验模态分解往往被称为是一个“筛选”过程。这个筛选过程依据信号特点自适应地把任意一个复杂信号分解为一系列本征模态函数(IntrinsicMode Function, IMF)。它满足如下两个条件:
(1) 信号极值点的数量与零点数相等或相差是一;
(2) 信号的由极大值定义的上包络和由极小值定义的下包络的局部均值为零。
EMD 筛选过程如下:
(1) 对输入信号x(t)x(t)x(t),求取极大值点x(ti)x(ti)x(t_i),和极小值点x(tj)x(tj)x(t_j),xu(t)xu(t)x_u(t)
(2) 对极大值点和极小值点采用三次样条函数插值构造信号上下包络、xl(t)xl(t)x_l(t), 计算上、下包络的均值函数;
(3) 考察是否满足IMF 条件,如果满足则转到下一步,否则对xlxlx_l进行前两步操作,求m11m11m_{11}
得以及,依次下去,直到第k步满足IMF条件,则求得第一个IMF ;
(4) 得到第一个残留,对作如同上述三步操作,得到c2c2c_2
以及以此类推;
(5) 直到rnrnr_n为单调信号或者只存在一个极点为止。原始信号被表达为。
希尔伯特变换
这类本征模态函数的瞬时频率(Instantaneous Frequency ,IF)有着明确的物理意义。因此,经验模态分解后, 对每一个IMF作希尔伯特变换( Hilbert Transform,HT),继而可求取每一个IMF的瞬时频率。
对任意信号x(t),称为x(t)的希尔伯特变换,其中P.V表示Cauchy 主值积分。
通过HT,可以构造解析信号z(t),并在极坐标下表达为: ,其中,,则x(t)的瞬时频率定义为。
综合上述两步,原信号表达为,为一个时间-频率-能量三维分布图。
特点
与传统的信号或数据处理方法相比,HHT具有如下特点:
(1)HHT能分析非线性非平稳信号。
传统的数据处理方法,如傅立叶变换只能处理线性非平稳的信号,小波变换虽然在理论上能处理非线性非平稳信号,但在实际算法实现中却只能处理线性非平稳信号。历史上还出现过不少信号处理方法,然而它们不是受线性束缚,就是受平稳性束缚,并不能完全意义上处理非线性非平稳信号。HHT则不同于这些传统方法,它彻底摆脱了线性和平稳性束缚,其适用于分析非线性非平稳信号。
(2)HHT具有完全自适应性。
HHT能够自适应产生“基”,即由“筛选”过程产生的IMF。这点不同于傅立叶变换和小波变换。傅立叶变换的基是三角函数,小波变换的基是满足“可容性条件”的小波基,小波基也是预先选定的。在实际工程中,如何选择小波基不是一件容易的事,选择不同的小波基可能产生不同的处理结果。我们也没有理由认为所选的小波基能够反映被分析数据或信号的特性。
(3)HHT不受Heisenberg测不准原理制约——适合突变信号。
傅立叶变换、短时傅立叶变换、小波变换都受Heisenberg测不准原理制约,即时间窗口与频率窗口的乘积为一个常数。这就意味着如果要提高时间精度就得牺牲频率精度,反之亦然,故不能在时间和频率同时达到很高的精度,这就给信号分析处理带来一定的不便。而HHT不受Heisenberg测不准原理制约,它可以在时间和频率同时达到很高的精度,这使它非常适用于分析突变信号。
(4)HHT的瞬时频率是采用求导得到的。
傅立叶变换、短时傅立叶变换、小波变换有一个共同的特点,就是预先选择基函数,其计算方式是通过与基函数的卷积产生的。HHT不同于这些方法,它借助Hilbert变换求得相位函数,再对相位函数求导产生瞬时频率。这样求出的瞬时频率是局部性的,而傅立叶变换的频率是全局性的,小波变换的频率是区域性的。
信号处理:希尔伯特黄变换相关推荐
- 【信号处理】Matlab实现希尔伯特-黄变换
1 内容介绍 1998年,Norden E. Huang(黄锷:中国台湾海洋学家)等人提出了经验模态分解方法,并引入了Hilbert谱的概念和Hilbert谱分析的方法,美国国家航空和宇航局(NASA ...
- 量化择时:基于经验模态分解的希尔伯特-黄变换(二)算法
量化择时:基于经验模态分解的希尔伯特-黄变换 part2部分是算法的介绍,抛开代码部分,其实就是所有人都能看得懂字面解释 Part2算法 在了解了基础的数理知识和学习了将实信号转换为复信号的处理方法之 ...
- 经验模式分解(EMD)及希尔伯特-黄变换(HHT)简介及matlab实现
本文介绍过程涉及到两个链接工具包,可以自己网上搜索下载,以下提供了网盘下载的地址,因为作者主要做语音方面工作,所以后面的说明主要以说话人识别为例.(链接:https://pan.baidu.com/s ...
- 量化择时:基于经验模态分解的希尔伯特-黄变换(一)数理
量化择时:基于经验模态分解的希尔伯特-黄变换 这部分内容打算分成四个部分,分别是数理.算法.实操和机器学习部分,做完一个part就发一个part. Part1数理 将时间序列的股价日指数转换为信号形式 ...
- 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
一.来自小X的疑问 从前有一个国家,叫做实国(一维国度),里边有个叫小X的小人儿. 小X是一根线段,他每天最爱做的事情就是跳舞. 因为小X的舞姿十分稳定,同伴们都说他的头部跳出了频率为1hz的正弦曲线 ...
- 声音信号希尔伯特黄变换
要求:把去噪后的信号(已有)希尔伯特黄变换得到 经验模态分解的结果 瞬时频率图 希尔伯特谱 clear all close all [y,Fs]=audioread('output.wav'); x ...
- MATLAB希尔伯特黄变换HHT
这两天在学习希尔伯特黄变换,也就是HHT,趁着学习的劲赶紧整理整理,用的是MATLAB进行编程,所用到的工具箱便是EMD工具箱,链接如下,请自行下载. 希尔伯特黄变换HHT_HHT-电信代码类资源-C ...
- 希尔伯特黄变换(Hilbert-Huang)原理、HHT求时频谱、边际谱,及MATLAB(2018rb)实现
目录 1. 经验模态分解: 2. 希尔伯特变换: 3. 方法缺陷: 4. MATLAB(2018rb版本)实现和探讨 ##边际谱 [若觉文章质量良好且有用,请别忘了点赞收藏加关注,这将是我继续分享的动 ...
- 希尔伯特黄变换python实现
希尔伯特变换可以从: https://zhuanlan.zhihu.com/p/128092836 https://www.cnblogs.com/hdu-zsk/p/4799470.html 等博客 ...
最新文章
- 入门一班 20181024 io监控free ps 网络状态 抓包
- iResearch_2008年度中国互联网经济及核心行业核心数据发布
- c语言最大公约数和最小公倍数_五年级数学最大公因数最小公倍数 练习
- 深入理解Java类加载器:Java类加载原理解析
- ADT-bundle
- Java预科篇1-学前
- linux生成文件自带时间,linux生成固定日期文件及删除一定日期前的文件
- mac docker安装linux,Mac上使用docker安装centos
- mysql一列数据转为一行_MySQL高性能优化规范建议,速度收藏
- 如何设置Mac定时重启
- gridview怎么判断两行字符串是否相等_Python语言难学吗?第13讲——用数据做判断:布尔值...
- Opencv环境配置
- SVN安装不成功卸载不干净后如何重装SVN和右键显示SVN
- openwrt打印服务器硬件需求,openwrt打印服务器
- matlab ode45 二阶微分,matlab用ode45求解二阶微分方程为题 - 数学 - 小木虫 - 学术 科研 互动社区...
- css内联样式外联样式嵌套样式区别
- java什么是继承_JAVA中什么是继承?
- 智齿客服签约垂直日本的最大旅游服务平台仙贝旅行
- 故事板(Storyboard)
- LeetCode - 加一
热门文章
- sun building in shanghai
- 哪里的草莓质量又好又便宜呢?水果批发市场(前提你买的得多)
- 关于svn不能cleanup的问题
- 算法的时间和空间复杂度
- Elasticsearch分布式一致性原理剖析(三)-Data篇
- [leetcode-515-Find Largest Value in Each Tree Row]
- WebService的两种方式SOAP和REST比较
- IREP_SOA Integration程序注释语法Annotations(概念)
- C++内联函数的学习
- wifi拥挤时防掉线小技巧