希尔伯特变换：详细的理论与推导

希尔伯特变换：详细的理论与推导

目录

1. 前言
2. 希尔伯特变换的严格定义与数学推导
   2.1 时域积分定义
   2.2 频域相移推导
   2.3 全通滤波器的性质说明
   2.4 解析信号与负频率消除
3. 希尔伯特变换的进一步推导与性质
   3.1 奇异积分的主值含义
   3.2 在卷积形式下的实现
   3.3 与柯西积分公式的联系简述
4. 离散域希尔伯特变换及常用实现方法
   4.1 DFT/FFT法与相移
   4.2 FIR滤波器近似实现
5. 解析信号与瞬时特性
   5.1 解析信号(Analytic Signal)构造
   5.2 瞬时幅度、相位与频率的数学表达
6. 典型应用
   6.1 包络检测与幅度解调
   6.2 单边带(SSB)调制与解调
   6.3 Hilbert-Huang变换(HHT)
7. 详细推导示例
   7.1 希尔伯特变换的频域推导
   7.2 解析信号负频率抑制推导
8. Python示例代码
9. 代码简要解读

---

前言

希尔伯特变换(Hilbert Transform)在现代信号处理和通信领域拥有广泛的应用，如包络检测、单边带调制、瞬时频率分析和语音处理等。它可以将一个实信号映射到其正交信号，进一步与原信号构成解析信号(Analytic Signal)。
在本章节中，我们将从最基础的连续域数学定义出发，结合频域推导与典型积分公式，给出希尔伯特变换的严格理论以及在离散实现中的一些关键细节。

---

希尔伯特变换的严格定义与数学推导

2.1 时域积分定义

对一个实值信号$x(t)$，其希尔伯特变换$\hat{x}(t)$在连续时间域的定义为：
x ^ ( t ) = H { x ( t ) }    =    1 π    p . v . ∫ − ∞ + ∞ x ( τ ) t − τ   d τ , \hat{x}(t) = \mathcal{H}\{x(t)\} \;=\; \frac{1}{\pi} \; \mathrm{p.v.} \int_{-\infty}^{+\infty} \frac{x(\tau)}{t - \tau}\,d\tau, x^(t)=H{ x(t)}=π1​p.v.∫−∞+∞​t−τx(τ)​dτ,
其中 $p.v.$ 表示主值积分(Principal Value)，因为$\frac{1}{t-\tau }$在$\tau =t$处存在奇点，需要通过主值方式来保证积分的可定义性。
我们也常把它写成卷积形式：
$$\hat{x}(t)=x(t)\ast \left(\frac{1}{\pi t}\right).$$
显然，$\frac{1}{\pi t}$是一个不绝对可积且在零点处奇异的函数，因此直接在时域实现时，需要较多的技术处理(比如截断、加窗等)。

2.2 频域相移推导

令$X(\omega )$为$x(t)$的傅里叶变换，则希尔伯特变换$\hat{x}(t)$的傅里叶变换$\hat{X}(\omega )$满足如下重要关系：
$$\hat{X}(\omega )=-j\text{sgn}(\omega )X(\omega ),$$
其中
$$\text{sgn}(\omega )=\{\begin{array}{ll}+1,& \omega >0,\\ 0,& \omega =0,\\ -1,& \omega <0.\end{array}$$
也可以简要记为，在正频率($\omega >0$)施加$-90^{\circ }$相移(