搜索资源列表
owbzggings-unary
- 一部分希尔伯特-黄变换HHT的经验模式分解EMD程序-Hilbert huang transform (HHT- a part of the empirical mode decomposition EMD program,,
台湾中央大学HHT程序
- 经典的HHT方法MATLAB程序，HHT方法包括EMD分解和HIlbert变换两个方面(Classic HHT method, MATLAB program, HHT method, including EMD decomposition and HIlbert transform two aspects)
HHT
- matlab实现希尔伯特黄变换程序，包含emd分解和HT变换(Matlab implementation of the Yellow Hilbert transform procedures, including EMD decomposition and HT transform)
utziwxd360
- 一部分希尔伯特-黄变换HHT的经验模式分解EMD程序,,(Hilbert huang transform (HHT - a part of the empirical mode decomposition EMD program,,)
EEMD相关文件
- Hilbert-Huang变换(HHT)是一种新的非平稳信号处理技术，该方法由经验模态 分解(EMD)与Hilbert谱分析两部分组成。任意的非平稳信号首先经过EMD方法处理后被分解为一系列具有不同特征尺度的数据序列，每一个序列称为一个固有模态函数(IMF)，然后对每个IMF分量进行Hilbert谱分析得到相应分量的Hilbert谱，汇总所有Hilbert谱就得到了原信号的谱图。该方法从本质上讲是对非平稳信号进行平稳化处理，将信号中真实存在的不同尺度波动或趋势逐级分解出来，最终用瞬时频率和能量来
hht
- 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）。(The main content of HHT includes two parts. The first part is Empirical Mode Decomposition (EMD), which is proposed by Huang. T
HHT_EMD
- EMD经验模态分解,用于信号处理，常和hilbert-huang变换一起用于信号特征提取、信号消噪等领域。(EMD for signal processing, often with hilbert-huang transform for signal feature extraction, signal de-noising and other fields.)
G Rilling
- 希尔伯特黄变换的一种变换方法，使用EMD分解出IMF的例子(A transformation of the Hilbert transformation, an example of the use of EMD to decompose IMF)
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
HHT算法
- HHT变换，HHT就是先将信号进行经验模态分解（EMD分解），然后将分解后的每个IMF分量进行Hilbert变换，得到信号的时频属性的一种时频分析方法。(HHT is to first perform the empirical mode decomposition (EMD decomposition) of the signal, and then perform Hilbert transform on each decomposed IMF component to obtain a t
Matlab runcode
- EMD（经验模态分解，全称Empirical Mode Decomposition，一般指EMD算法）是Hilbert-Huang变换（HHT）的核心算法。 经验模态分解(EMD)算法是通过算法过程定义的，而并非由确定的理论公式定义的，所以对其进行准确的理论分析非常困难，我们目前只能借助大量的数字仿真试验不断对其性能进行深入的研究。 EMD算法的目的在于将性能不好的信号分解为一组性能较好的本征模函数（IMFIntrinsic Mode Function ），且IMF须满足以下两个性质： (1
三种HHT_Matlab.part01
- 经验模态分解依据信号时间尺度将信号逐级分解成对称的分量，在进一步对模态函数进行希尔伯特变换(Empirical mode decomposition (EMD) decomposes the signal into symmetrical components step by step according to the signal time scale, and further performs the Hilbert transform for modal functions.)
hh
- HHT算法实现emd分解，及希尔伯特黄变换，实现瞬时频率瞬时幅值，边际谱的提取(Perform modal recognition, Hilbert Huang transform and its associated algorithmic program code for signal analysis and processing)
1
- 针对矿浆管道工况调整给泄漏检测带来的干扰，准确提取泄漏信号的特征量是降低泄漏误报、漏报的关键。为此，提出了一种基于经验模态分解（EMD）、Hilbert能量谱与变量预测模型（VPMCD）相结合的泄漏检测方法。该方法首先将压力信号分解成若干个固有模态函数（IMF）之和，然后将IMF分量进行Hilbert变换得到局部Hilbert能量谱，依据能量分布的标准差选择最能准确反映矿浆管道运行工况的局部能量谱作为特征值向量，最后通过VPMCD分类器建立泄漏识别模型。将该方法应用于泄漏检测中，实验结果表明，矿
基于 HHT 的船体结构应力监测数据 特征分析和去噪方法
- ［目的］为了去除船体结构应力监测数据中的噪声信号，获得有效的数据信息，以便为后续数据挖掘提 供支撑，［方法］首先，采用 HHT 方法中的经验模态分解（EMD）算法对数据进行成分分析，得到固有模态函数 （IMF）和余项。然后，通过 Hilbert变换得到 Hilbert谱，证明应力监测数据的非平稳特性。最后，以信噪比（SNR） 和均方根误差（RMSE）为例，结合自适应去噪和小波阈值去噪两种方法对应力监测数据进行去噪效果比较。 ［结果］结果表明，基于 HHT方法的自适应去噪和小波去噪都具有一定