首先先介紹下matlab中經驗模態分解所用到的函式emd。
imf = emd(x)
imf = emd(x,...,'option_name',option_value,...)
imf = emd(x,opts)
[imf,ort,nb_iterations] = emd(...)
做**的時候只是簡單的對訊號做乙個模態分解，因此只用到了第一種方法，imf=emd(x)，這其中若x為實向量，則計算經驗模態，若x為復向量，則計算二維經驗模式。對於x為實向量的情況下，得到的是1-n個imf（內部模態函式），在加上乙個剩餘項。
在得到imf後，可以直接作圖，也可以利用工具箱中的函式emd_visu作圖，可以得到模態分解結果以及兩種方向相反的重構訊號過程，該函式的用法為
emd_visu(x,t,imf)
其中，x為原訊號，t為時間序列，imf為上一步得到的結果，該函式可得三個圖，第乙個為emd圖，後兩個為訊號重構過程，分別為f2c、c2f。
clear;close all;clc
n=1024;
fs=1024;
t=(0:n-1)/fs;
f1=70;f2=120;
x=cos(2*pi*f1*t)+2*cos(2*pi*f2*t);
imf=emd(x); %經驗模態分解
emd_visu(x,t,imf) %作圖
第乙個圖所表示便是emd的過程了，7個imf加乙個剩餘項rn，後兩張圖就是原訊號的重構過程了，我們知道在hht中，有這麼乙個關係，
在emd結束後，便可以開始畫hht譜圖了，此處我結合這兩天檢視的資料，給出兩個所用到的函式用法的簡單表述，如下：
[a,f,t] = hhspectrum(imf）
用於計算hht譜，imf為前面所得結果，a為每個imf的瞬時振幅，f、tt分別為對應的瞬時頻率和時間序列。
[im,tt,ff] = toimage(a,f,t,splx,sply)
其中a，f，t與hhspecturm函式的相關定義一致，splx、sply則分別對應輸出im的列數和行數，splx一般與t的長度一致；
im為頻譜的二維影象，tt為時間序列號（此處劃重點，是「序列號」，而不是「序列」，也就是需要除以總長度得到時間序列），ff的注釋解釋為 「centers of the frequency bins」（頻率門的中心值？）。
下面直接給出程式和結果。
[a,f,tt] = hhspectrum(imf(1:end-1,:));
[im,tt,ff] = toimage(a,f,tt,length(tt));
figure;
set(gcf,'color','w');
imagesc(tt/n,[0,0.5*fs],im);
set(gca,'ydir','normal')
colormap('jet');colorbar;
xlabel('時間(s)');
ylabel('頻率(hz)');
axis([0 1 0 200]);title('hht譜') ;
本文參考自
希爾伯特變換 希爾伯特變換
希爾伯特變換 ht 是指描述乙個以實數值載波做調製的訊號之複數包絡，相移是通過希爾伯特變換器來實現的，訊號經希爾伯特變換後在頻域各頻率分量的幅度保持不變，但相位出現90度相移，正頻率之後90度負頻率超前90度，希爾伯特變換器又成為90度相位器。用希爾伯特變換描述幅值調值或相位調值的包絡，瞬時頻率和瞬...
訊號處理 希爾伯特黃變換
特點 最近在做訊號處理，發現自己基本功不夠紮實，開始了惡補之路，希望能夠盡快的補齊吧。希爾伯特黃變換 1998年，norden e.huang 黃鍔 中國台灣海洋學家 等人提出了經驗模態分解方法，並引入了hilbert譜的概念和hilbert譜分析的方法，美國國家航空和宇航局 nasa 將這一方法命...
離散希爾伯特變換
一般情況下，我們需要有關幅度和相位 或實部和虛部 在 pi,pi 上的全部資訊才能完整描述乙個序列的傅利葉變換特性 但在特定情況下，有可能不需要這些全部的資訊。1.因果實序列 因果實序列可以從它的偶對稱分量 x n x n 2 恢復出來 而偶對稱序列的傅利葉變換只有實數分量。因此，因果實序列只需要其...