hht变换工具箱

❶ hht分解后重构该怎么做用哪个函数

虽然从计算的角度分解用DB4，重构用DB1是完全可以计算的，但这种做法没法解释，也就是没有意义或是意义混乱的。重构和分解是对应的（即成对使用的，都是用同一小波基），通常从原理上就不能随意改变混用。例如一个用DB4的小波分解，得到的小波系数是表示信号与DB4的关系，通过这些系数与DB4的关系我们可以重构得到信号，那么用与DB4有关的小波系数与DB1又有啥关系，你凭啥用DB1重构。
比如测量的体温数值是37（体温表相当于小波基DB4，测量的是体温，测量体温的过程相当于小波变换，37相当于变换后的小波系数），于是你就通过得到的数值37和体温表这两个参数得出体温值（重构）。现在你有了37这个小波系数，想过37这个数字和体重计（DB1）知道这人的体重，那么体温数值和体重有啥关系，你又凭啥能重构出体重来？

❷ 在MATLAB中如何实现HHT变换/求HHT仿真程序，最好有注释

❸ 用hht计算瞬时频率为什么为负值

应该不超过1/2 的确有负的我重看了一下，Hilbert变换中的频率与傅里叶中频率意义不同，可能有负值 不过在它的函数工具箱里有处理 [A,f,t]=hhspectrum(imf); %对IMF分量求取瞬时频率与振幅：A：是每个IMF的振幅向量,f:每个IMF对应的瞬时频率

❹ 我求得了imf作HHT后的瞬时频率跟你写的一样，但是仍然存在负值，

应该不超过1/2

的确有负的我重看了一下，Hilbert变换中的频率与傅里叶中频率意义不同，可能有负值

不过在它的函数工具箱里有处理

[A,f,t]=hhspectrum(imf);%对IMF分量求取瞬时频率与振幅：A：是每个IMF的振幅向量,f:每个IMF对应的瞬时频率，t：时间序列号

[E,t,Cenf]=toimage(A,f);%将每个IMF信号合成求取Hilbert谱，E：对应的振幅值，Cenf：每个网格对应的中心频率这里横轴为时间，纵轴为频率

%即时频图(用颜色表示第三维值的大小)和三维图（三维坐标系：时间，中心频率，振幅）

❺ 有没有人做过对气象数据的EMD或者HHT变换分析，数据经过EMD分解后，怎么求周期啊有程序的话最好。谢谢啦

号的方法，从根本上有
别于传统的信号时频分析方法，并在实际应用中取得了很好的效果。

EMD分解算法通过层层筛选，得到信号不同时间特征尺度的IMF分量。EMD
分解的主要目的是为了将信号进行平稳化处理，对IMF分量进行Hilbert变换，进
一步得到IMF分量对应的瞬时频率成分，这样得到的瞬时频率有了合理的物理意
义。通过Hilbert得到的的Hilbert/Huang频谱图是时间和频率的二变量函数，从中
可以得到任意时刻的频率信息，包括频率的大小和幅度以及出现的对应时刻，能
够详细的刻画非平稳非线性信号的时频特性。

❻ 这是hht语音去噪的代码。求大神指教错在哪里

你用的hht工具箱是哪一个？你发给我看看，[email protected],另外，运行时间与你的语音信号的长度本身有关系，语音数据时长是多少？

❼ 希尔伯特黄变换的特点

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。

❽ 你发的那个emd程序，具体怎么用比如我有一时间系列的数据，如何处理

时间序列t，最简单用法就是imf=emd（t），当然emd里面还有很多可选项，例如 IMF = EMD(X,...,'Option_name',Option_value,...)，详细使用方法安装HHT工具箱后看帮助即可

❾ EMD HHT变换 在MATLAB中怎么弄啊

EMD-HHT变换的经典文献
以下为一般性带附件资料发贴选项：
【资料成文时间】：1998
【语言】：英语
【页数】：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
你静心读完这篇文章一定有很大启发．
MATLAB应该足够了，我这么认为．
程序要自己写的，下的基本不合乎你的要求

❿ 希尔伯特黄变换（HHT）的经验模态分解（EMD）每个模态代表什么意义

于非线性时间序列分析经验模态分解和小波分解异同性的研究

龚志强 邹明玮 高新全 董文杰

摘 要：基于经验模态分解(EMD)的希尔伯特变换(HT),是对非线性时间序列基于EMD进行分解,然后通过HT获得频谱.利用理想时间序列和青藏高原古里雅冰芯18O时间序列,系统地分析比较了EMD和小波分解(WD)以及HT和小波变换在非线性时间序列处理中的优劣,并针对它们各自的缺点提出了可能改进的设想.研究结果表明,将基于EMD的方法和基于WD的方法有机结合起来应用,可以更有效地识别原时间序列的特征信息.
关键词：经验模态分解;小波分解;理想时间序列;古里雅冰芯
文章编号：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

基金项目：国家重点基础研究发展规划(批准号:2004CB418300)和国家自然科学基金(批准号:90411008,40231006)资助的课题.