搜索资源列表
6-Instantaneous-Frequency
- 分解后的一些希尔伯特黄变换,边际谱,瞬时能量,瞬时频率。。。很好的,值得一看-Some decomposed Hilbert-Huang transform, marginal spectrum, instantaneous energy, instantaneous frequency. . . Good, worth a visit. .
LBP
- 线性反投影算法(Linear Back Projection,简称 LBP)又称累加法,是最早使用的一种简单(ECT图像重建)成像算法。它将通过某点的所有投影射线进行累加,再反向估算出该点的密度值。从成像观点分析,它是不完全的雷登逆变换(完整的雷登逆变换包括微分、希尔伯特变换、反投影和归一化等步骤)。-Linear back projection algorithm (Linear Back Projection, referred LBP), also known as cumulative
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
2008-CHOI-Comparison-of-envelope-extraction-algor
- Article for extracting 3th and 4th heard sound fECGH and fPCG using Hilbert Huang Transform-Article for extracting 3th and 4th heard sound fECGH and fPCG using Hilbert Huang Transform
HHTsimulation
- 用希尔伯特黄变换(HHT)求时频谱和边际谱-Using Hilbert Huang transform (HHT) to find the spectrum and marginal spectrum
xierbote
- matlab希尔伯特变换后求得解析信号的程序-After matlab analytic signal obtained by Hilbert transform procedure
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
111
- There a lot of time–frequency methods used for studying the time–frequency distribution of the nonlinear and non-stationary signal, such as short time Fourier transform (STFT) (Zhang and Bao, 1998), Wavelet transform (WT) (Hu et al., 2009), S-transfo
A_Robust_Digital_Audio_Watermarking_Algo
- Digital watermarking algorithm. This algorithm is implemented using EMD and Hilbert transform.
The-empirical-mode-decomposition-
- 模式分解希尔伯特信号频谱分析,利用时频变化对信号全面分析,了解限号的时频两方面特性-The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis
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
基于改进的希尔伯特振动分解的机械故障诊断方法研究
- 针对多分量机械故障振动信号的特征提取问题,介绍一种基于希尔伯特振动分解( HVD) 的时频分析方法。该方法首先利用 Hilbert 变换得到原始振动信号的解析信号,然后通过对解析信号的瞬时频率低通滤波获得信号中幅值最大分量的瞬时频率,同时经同步检测获得相应的瞬时幅值和初相位,最后经过迭代运算自适应地检测出原信号各分量的时频信息。针对 HVD 方法的边界效应问题,提出一种基于相关系数准则的波形匹配边界延拓法对其进行改进。 通过两组仿真信号分析验证了 HVD 方法对多分量非平稳信号的分解能力,同时
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