hht變換工具箱

❶ hht分解後重構該怎麼做用哪個函數

雖然從計算的角度分解用DB4，重構用DB1是完全可以計算的，但這種做法沒法解釋，也就是沒有意義或是意義混亂的。重構和分解是對應的（即成對使用的，都是用同一小波基），通常從原理上就不能隨意改變混用。例如一個用DB4的小波分解，得到的小波系數是表示信號與DB4的關系，通過這些系數與DB4的關系我們可以重構得到信號，那麼用與DB4有關的小波系數與DB1又有啥關系，你憑啥用DB1重構。
比如測量的體溫數值是37（體溫表相當於小波基DB4，測量的是體溫，測量體溫的過程相當於小波變換，37相當於變換後的小波系數），於是你就通過得到的數值37和體溫表這兩個參數得出體溫值（重構）。現在你有了37這個小波系數，想過37這個數字和體重計（DB1）知道這人的體重，那麼體溫數值和體重有啥關系，你又憑啥能重構出體重來？

❷ 在MATLAB中如何實現HHT變換/求HHT模擬程序，最好有注釋

❸ 用hht計算瞬時頻率為什麼為負值

應該不超過1/2 的確有負的我重看了一下，Hilbert變換中的頻率與傅里葉中頻率意義不同，可能有負值 不過在它的函數工具箱里有處理 [A,f,t]=hhspectrum(imf); %對IMF分量求取瞬時頻率與振幅：A：是每個IMF的振幅向量,f:每個IMF對應的瞬時頻率

❹ 我求得了imf作HHT後的瞬時頻率跟你寫的一樣，但是仍然存在負值，

應該不超過1/2

的確有負的我重看了一下，Hilbert變換中的頻率與傅里葉中頻率意義不同，可能有負值

不過在它的函數工具箱里有處理

[A,f,t]=hhspectrum(imf);%對IMF分量求取瞬時頻率與振幅：A：是每個IMF的振幅向量,f:每個IMF對應的瞬時頻率，t：時間序列號

[E,t,Cenf]=toimage(A,f);%將每個IMF信號合成求取Hilbert譜，E：對應的振幅值，Cenf：每個網格對應的中心頻率這里橫軸為時間，縱軸為頻率

%即時頻圖(用顏色表示第三維值的大小)和三維圖（三維坐標系：時間，中心頻率，振幅）

❺ 有沒有人做過對氣象數據的EMD或者HHT變換分析，數據經過EMD分解後，怎麼求周期啊有程序的話最好。謝謝啦

號的方法，從根本上有
別於傳統的信號時頻分析方法，並在實際應用中取得了很好的效果。

EMD分解演算法通過層層篩選，得到信號不同時間特徵尺度的IMF分量。EMD
分解的主要目的是為了將信號進行平穩化處理，對IMF分量進行Hilbert變換，進
一步得到IMF分量對應的瞬時頻率成分，這樣得到的瞬時頻率有了合理的物理意
義。通過Hilbert得到的的Hilbert/Huang頻譜圖是時間和頻率的二變數函數，從中
可以得到任意時刻的頻率信息，包括頻率的大小和幅度以及出現的對應時刻，能
夠詳細的刻畫非平穩非線性信號的時頻特性。

❻ 這是hht語音去噪的代碼。求大神指教錯在哪裡

你用的hht工具箱是哪一個？你發給我看看，[email protected],另外，運行時間與你的語音信號的長度本身有關系，語音數據時長是多少？

❼ 希爾伯特黃變換的特點

與傳統的信號或數據處理方法相比，HHT具有如下特點：
(1)HHT能分析非線性非平穩信號。
傳統的數據處理方法，如傅立葉變換只能處理線性非平穩的信號，小波變換雖然在理論上能處理非線性非平穩信號，但在實際演算法實現中卻只能處理線性非平穩信號。歷史上還出現過不少信號處理方法，然而它們不是受線性束縛，就是受平穩性束縛，並不能完全意義上處理非線性非平穩信號。HHT則不同於這些傳統方法，它徹底擺脫了線性和平穩性束縛，其適用於分析非線性非平穩信號。
(2)HHT具有完全自適應性。
HHT能夠自適應產生「基」，即由「篩選」過程產生的IMF。這點不同於傅立葉變換和小波變換。傅立葉變換的基是三角函數，小波變換的基是滿足「可容性條件」的小波基，小波基也是預先選定的。在實際工程中，如何選擇小波基不是一件容易的事，選擇不同的小波基可能產生不同的處理結果。我們也沒有理由認為所選的小波基能夠反映被分析數據或信號的特性。
(3)HHT不受Heisenberg測不準原理制約——適合突變信號。
傅立葉變換、短時傅立葉變換、小波變換都受Heisenberg測不準原理制約，即時間窗口與頻率窗口的乘積為一個常數。這就意味著如果要提高時間精度就得犧牲頻率精度，反之亦然，故不能在時間和頻率同時達到很高的精度，這就給信號分析處理帶來一定的不便。而HHT不受Heisenberg測不準原理制約，它可以在時間和頻率同時達到很高的精度，這使它非常適用於分析突變信號。
(4)HHT的瞬時頻率是採用求導得到的。
傅立葉變換、短時傅立葉變換、小波變換有一個共同的特點，就是預先選擇基函數，其計算方式是通過與基函數的卷積產生的。HHT不同於這些方法，它藉助Hilbert變換求得相位函數，再對相位函數求導產生瞬時頻率。這樣求出的瞬時頻率是局部性的，而傅立葉變換的頻率是全局性的，小波變換的頻率是區域性的。

❽ 你發的那個emd程序，具體怎麼用比如我有一時間系列的數據，如何處理

時間序列t，最簡單用法就是imf=emd（t），當然emd裡面還有很多可選項，例如 IMF = EMD(X,...,'Option_name',Option_value,...)，詳細使用方法安裝HHT工具箱後看幫助即可

❾ EMD HHT變換 在MATLAB中怎麼弄啊

EMD-HHT變換的經典文獻
以下為一般性帶附件資料發貼選項：
【資料成文時間】：1998
【語言】：英語
【頁數】：96
【何人（公司）所著】：E. Huang , Zheng Shen , Steven R. Long ,Proc. R. Soc. Lond. A (1998) 454, 903
【文件格式】：PDF
【文件原名】：The empirical mode decomposition and the Hilbert spectrum for nonlinear and
non-stationary time series analysis
你靜心讀完這篇文章一定有很大啟發．
MATLAB應該足夠了，我這么認為．
程序要自己寫的，下的基本不合乎你的要求

❿ 希爾伯特黃變換（HHT）的經驗模態分解（EMD）每個模態代表什麼意義

於非線性時間序列分析經驗模態分解和小波分解異同性的研究

龔志強 鄒明瑋 高新全 董文傑

摘 要：基於經驗模態分解(EMD)的希爾伯特變換(HT),是對非線性時間序列基於EMD進行分解,然後通過HT獲得頻譜.利用理想時間序列和青藏高原古里雅冰芯18O時間序列,系統地分析比較了EMD和小波分解(WD)以及HT和小波變換在非線性時間序列處理中的優劣,並針對它們各自的缺點提出了可能改進的設想.研究結果表明,將基於EMD的方法和基於WD的方法有機結合起來應用,可以更有效地識別原時間序列的特徵信息.
關鍵詞：經驗模態分解;小波分解;理想時間序列;古里雅冰芯
文章編號：1000-3290/2005/54(08)/3947-11

On the difference between empirical mode decomposition and wavelet decomposition in the nonlinear time series

Gong Zhi-Qiang Zou Ming-Wei Gao Xin-Quan Dong Wen-Jie

基金項目：國家重點基礎研究發展規劃(批准號:2004CB418300)和國家自然科學基金(批准號:90411008,40231006)資助的課題.