搜索资源列表
hilbert_huang_pdf
- 里面有许多hilbert-huang变换在脑电中的应用资料，含整个EMD，HHT，边际谱等算法，有一些实例，资料较为丰富，希大家有用的来下！-There were many hilbert-huang transform in the application of EEG data, including the EMD, HHT, the marginal spectra algorithm, there are some instances, information is abundant,
EMD-When-frequency-analysis
- 研究了经验模态分解与希尔伯特变换相结合的提取信号瞬时特征的EMD/HS法，并对其性能进行了分析-EMD/HS method to study the transient characteristics of the empirical mode decomposition and Hilbert transform combining the extracted signal, and its performance is analyzed
emd
- 美籍华人院士黄锷，发明著名的希尔伯特-黄变换，该论文被引用次数超过3000！-Chinese-American academician Wong Ngok, invented the famous Hilbert- Huang transform, the paper is the number of over 3000!
zuizhong1
- 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。-The HHT algorithm emd decomposition and Hilbert-Huang transform to achieve the instantaneous amplitude of the instantaneous frequency marginal spectrum extraction.
hht
- emd 分解程序 希尔伯特换变换的程序有图-emd decomposition process Hilbert transform procedures change map
Emd
- EMD分解方法分解之后进行希尔伯特变化实现信号的处理-Hilbert change to achieve signal processing method after the EMD decomposition
plot_hht
- 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 the first signal empirical mode decomposition (EMD decomposition), then each IMF component decomposition of the Hilbert transform, time-frequency frequency analysis meth
A_Robust_Digital_Audio_Watermarking_Algo
- Digital watermarking algorithm. This algorithm is implemented using EMD and Hilbert transform.
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
HHSA_CPU_code_20160623
- 主要用於分析時序資料，HSA(Time,IF,AM) && HHS(IF,HoloIF,HoloAM) 這是從不同面相看資料，時間、瞬時頻率、振福 瞬時頻率、波峰瞬時頻率、波峰瞬時振幅 這樣就可以看到被感應器偵測到的訊號中有不同空間頻率的能量疊加在整個 RAW 資料之中 Data -> [CEEMD] -> IMF IMF -> [AM-FM] -> AM,FM FM -> [NDQ] -> IF IMF波
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