python 希尔伯特变换_Python中的HHT（Hilbert-Huang变换）及其在脑电数据处理中的应用,希尔伯特,黄,以及,EEG...

在脑电信号的处理过程中去除伪迹是很关键的一个步骤，常用的有ICA和小波等方法。不过这些方法大多是针对多通道脑电数据进行处理的，单通道的脑电数据如何去除伪迹呢？推荐一篇文章《单通道脑电信号眼电伪迹去除算法研究》，在文章中提到了一种WT-EEMD-ICA方法，该方法是小波-集合经验模态分解-独立成分分析的结合。具体内容感兴趣的可以精读下这篇文章，在对应的下载附件中有这篇文章。

上面说的和本篇的内容关系不大，我就是在看了文章后对里面提到的HHT方法感兴趣，就研究了一下。下面主要说的是HHT的实现以及如何准确计算瞬时频率。

推荐几个参考的博客：

相关代码：

# %matplotlib inline

import matplotlib.pyplot as plt

import numpy as np

from pyhht import EMD

from scipy.signal import hilbert

import tftb.processing

import mne

# 定义HHT的计算分析函数

def HHTAnalysis(eegRaw, fs):

# 进行EMD分解

decomposer = EMD(eegRaw)

# 获取EMD分解后的IMF成分

imfs = decomposer.decompose()

# 分解后的组分数

n_components = imfs.shape[0]

# 定义绘图，包括原始数据以及各组分数据

fig, axes = plt.subplots(n_components + 1, 2, figsize=(10,