基于希尔伯特变换-Hilbert变换-经验模态分解-EMD-信号处理及谱分析

一、为什么要用EMD

在信号处理方面我们了解了时域处理方法（如有效值、峭度）、频域处理方法（如频谱、功率谱）以及一些时频域处理方法。时域和频域有各种的优势和适用范围，就不多说了，EMD（Empirical Mode Decomposition）作为时频域的处理方法，相对于同样是时频域方法的小波分析有什么好处呢？EMD最显著的特点，就是其克服了基函数无自适应性的问题。啥意思呢？回忆小波分析部分的内容，我们会知道小波分析是需要选定某一个小波基的，小波基的选择对整个小波分析的结果影响很大，一旦确定了小波基，在整个分析过程中将无法更换，即使该小波基在全局可能是最佳的，但在某些局部可能并不是，所以小波分析的基函数缺乏适应性。通俗的说，用EMD有什么好处呢？对于一段未知信号，不需要做预先分析与研究，就可以直接开始分解。这个方法会自动按照一些固模式按层次分好，而不需要人为设置和干预。再通俗一点，EMD就像一台机器，把一堆混在一起的硬币扔进去，他会自动按照1元、5毛、1毛、5分、1分地分成几份。

二、内涵模态分量

内涵模态分量（Intrinsic Mode Functions, IMF）就是原始信号被EMD分解之后得到的各层信号分量。EMD的提出人黄锷认为，任何信号都可以拆分成若干个内涵模态分量之和。而内涵模态分量有两个约束条件：

1）在整个数据段内，极值点的个数和过零点的个数必须相等或相差最多不能超过一个。

2）在任意时刻，由局部极大值点形成的上包络线和由局部极小值点形成的下包络线的平均值为零，即上、下包络线相对于时间轴局部对称。

三、EMD分解步骤

EMD的分解过程是简单直观的：

1）根据原始信号上下极值点，分别画出上、下包络线。

2) 求上、下包络线的均值，画出均值包络线。

3）原始信号减均值包络线，得到中间信号。

4） 判断该中间信号是否满足IMF的两个条件，如果满足，该信号就是一个IMF分量；如果不是，以该信号为基础，重新做1）~4）的分析。IMF分量的获取通常需要若干次的迭代。

使用上述方法得到第一个IMF后，用原始信号减IMF1，作为新的原始信号，再通过1）~4）的分析，可以得到IMF2，以此类推，完成EMD分解。

希尔伯特变换

下面这个示意图很直观地表示了Hilbert变换，在这里我画出了对原始信号做1到4次Hilbert变换的频谱示意图，是为了说明Hilbert变换的几个性质：

首先，可以看到，两次希尔伯特变换后，原信号相位翻转了180°，所以，Hilbert逆变换的公式显而易见，就是将正变换加一个符号即可。另外，还可以看到，Hilbert变换四次后就变回本身了。还有其它的性质，比如：如果一个信号是两个信号的卷积，即 y = conv(v,x) ，那么Hilbert(y) = conv(Hilbert(v),x) = conv(v,Hilbert(x))。这个性质，只要意识到Hilbert变换本质上是卷积就可以明白。x(t) 和 Hilbert(x(t))的能量以及平均功率相等，相关函数和功率谱相同。

希尔伯特变换的意义

将实数信号变换成解析信号的结果就是，把一个一维的信号变成了二维复平面上的信号，复数的模和幅角代表了信号的幅度和相位.解析信号可以计算包络（瞬时振幅）和瞬时相位。在上图中可以看到，实际上我们计算的包络就是黑色的线围成的立体图形的边界在实部的投影，而计算这个边的投影也很简单，就是在复平面上的螺旋线中的每一个点的模值，也就是A(t) = sqrt(x^2(t) + Hilbert(x(t))^2)，而瞬时相位就是虚部（Hilbert变换后的）和实部（原始信号）在某一时间点的比值的arctan，瞬时频率就是它的导数。

备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

程序代码:

功能效果:

创作不易，相关程序，说明文档需求，如需要，可加作者新联系方式，WX：Q3101759565，QQ：3101759565[多加几次！！！]

祝您学业有成！工作顺利！ 年薪百万!