搜索资源列表
hilbert-huang.rar
- 实现EMD分解，并对原始信号进行hilbert谱分析，通俗易懂，操作方便,The realization of EMD decomposition, and the original signal hilbert spectral analysis, user-friendly, easy to operate
FM-HHT
- 基于HHT方法的模拟调频信号的hilbert谱分析-HHT-based method of analog FM signal hilbert spectral analysis
HHT_power-system_power-quality_disturbances-detect
- 优秀论文及配套源码。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
Hilbertputu
- 非平稳信号经过分解后，对其进行谱分析，此希尔伯特谱程序，弥补了了以前的缺陷-Non stationary signal through decomposition, the spectral analysis, the Hilbert spectrum procedures, make up for the previous defect
Hilbert-transform
- Hilbert变换做包络分析，变换及谱分析，是一种有效的数据处理方法。用代码测试其变换效果。-Hilbert transform to do envelopment analysis, transformation and spectrum analysis is an effective data processing method. Use code to test the effect of transformation.
HHTE
- Hilbert-Huang变换是一种处理非线性，非平稳数据的方法，该方法由EEMD和Hilbert谱分析构成。-Hilbert-Huang Transform(HHT) is a novel general time frequency method for analysing nonlinear and non-stationary time series, which was developed by Norden E. Huang,1998,and made up of two parts
HHT
- 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
Hilbert-Huang-transform-program
- HHT是HuangE等提出的新的信号处理方法，适用于非线性非平稳的信号分析，被认为是近年来对以傅立叶变换为基础的线性和稳态谱分析的一个重大突破。-The new signal processing method, proposed by Huang E et al., is suitable for nonlinear and non-stationary signal analysis, which is considered as a major breakthrough in the li
solve-hilbert-equation
- 迭代法解hilbert方程. 分析了Hilbert方程的条件数和三种迭代法的谱半径，并用Jacobi迭代、gauss_seide迭代、SOR迭代法解Hilbert方程。-Hilbert iterative method for solving equations and analysis of the condition number of the spectral radius of three kinds of iterative method Hilbert equations and
pyhht
- python 3.x 实现希尔伯特黄变换，其中包含了经验模态分解函数，hilbert谱分析函数，和瞬时频率计算等函数。(python 3.x implements a Hilbert yellow transform that contains functions such as empirical modal decomposition functions, hilbert spectral analysis functions, and instantaneous frequency cal
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
MATLAB希尔伯特Hilbert变换求包络谱
- MATLAB的希尔伯特谱分析，导入数据实现算出。最下二乘拟合算法。快速傅里叶变换详细算法。(MATLAB Hilbert spectrum analysis, import data to achieve calculation.The two by fitting algorithm. With the fast Fourier transform algorithm.)
matlab hisp
- 在matlab中对信号进行希尔伯特变换 边际谱分析。(In MATLAB, the Hilbert transform marginal spectrum analysis is carried out)
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
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
bbo program
- hilbert谱分析具体程序代码以及绘制hilbert时频谱(Hilbert spectrum analysis of specific code and the mapping of Hilbert spectrum)
EMD_hilbert谱
- emd分解之后再进行希尔伯特变换，获得能量谱(After EMD decomposition, Hilbert transform is used to obtain the energy spectrum.)
毕设程序
- 滚动轴承信号的保罗谱分析，hilbert Teager能量算子，信号平方，信号取绝对值等等方法求信号包络谱(hilbert transmission)
利用傅里叶变换和包络谱对轴承异响的分析
- 利用轴承声音信号做频谱分析和包络谱分析。(using voice of bearing vibration for FFT and hilbert FFT)
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