Преобразование Гильберта-Хуанга
возвращает Гильбертов спектр hs
= hht(imf
)hs
из сигнала, заданного внутренним режимом, функционирует imf
. hs
полезно для анализа сигналов, которые включают смесь сигналов, спектральное содержимое которых изменяется вовремя. Используйте hht
выполнять Гильбертов спектральный анализ на сигналах идентифицировать локализованные функции.
[___] = hht(___,
оценки параметры спектра Гильберта с дополнительными опциями, заданными одним или несколькими Name,Value
)Name,Value
парные аргументы.
hht(___)
без выходных аргументов строит Гильбертов спектр в окне текущей фигуры. Можно использовать этот синтаксис с любым из входных параметров в предыдущих синтаксисах.
hht(___,
строит Гильбертов спектр с дополнительным freqlocation
)freqlocation
аргумент, чтобы задать местоположение оси частоты. Частота представлена на y - ось по умолчанию.
Преобразование Гильберта-Хуанга полезно для выполнения частотно-временного анализа неустановившихся и нелинейных данных. Процедура Хилбэрт-Хуана состоит из следующих шагов:
emd
(Signal Processing Toolbox) разлагает набор данных x на конечное число внутренних функций режима.
Для каждой внутренней функции режима, xi, функции hht
:
Использование hilbert
(Signal Processing Toolbox), чтобы вычислить аналитический сигнал, , где H {xi} является преобразованием Гильберта xi.
Экспрессы zi как , где ai (t) является мгновенной амплитудой и мгновенная фаза.
Вычисляет мгновенную энергию, , и мгновенная частота, . Если дали частота дискретизации, hht
преобразует к частоте в Гц.
Выводит мгновенную энергию в imfinse
и мгновенная частота в imfinsf
.
Когда названо без выходных аргументов, hht
строит энергию сигнала в зависимости от времени и частоты, с цветом, пропорциональным амплитуде.
[1] Хуан, Норден Э и Сэмюэль С П Шен. Преобразование Гильберта-Хуанга и Его Приложения. 2-е издание 16 редактора. Междисциплинарные Математические Науки. НАУЧНЫЙ МИР, 2014. https://doi.org/10.1142/8804.
[2] Хуан, Норден Э., Жаохуа Ву, Стивен Р. Лонг, Кеннет К. Арнольд, Ксиэньяо Чен и Карин Блэнк. “НА МГНОВЕННОЙ ЧАСТОТЕ”. Усовершенствования в Адаптивном Анализе данных 01, № 02 (апрель 2009): 177–229. https://doi.org/10.1142/S1793536909000096.