hilbert希爾伯特環(huán)變換(存儲版)
【正文】 在許多非窄帶信號，希爾伯特變換對這些信號無能為力。正是由于這樣的特點，EMD 方法在理論上可以應(yīng)用于任何類型的信號的分解， 因而在處理非平穩(wěn)及非線性數(shù)據(jù)上，具有非常明顯的優(yōu)勢,適合于分析非線性、非平穩(wěn)信號序列，具有很高的信噪比。EMD分解的目的就是為了獲取本征模函數(shù)，然后再對各本征模函數(shù)進行希爾伯特變換，得到希爾伯特譜。上述的分析表明HHT與HHAS均是對信號進行經(jīng)驗?zāi)B(tài)分解的基礎(chǔ)上進行的。此外課題組曾在2015年的暑假期間，使用ＨＨＴ算法對１４類的運動想象信號進行識別分類，在離線數(shù)據(jù)集上達到７５％的正確率，而在實際測試中發(fā)現(xiàn)，絕大部分試次均判別錯誤。這是有ＥＭＤ算法本身所決定的，因為ＥＭＤ依靠信號本身特性分解，沒有一個共同的“基”，因此一旦腦電信號解析出來的ＩＭＦ沒有對應(yīng)參考，就無法判斷大腦狀態(tài)。在這里黃鍔認為，雖然在整個信號上的頻率分布不清楚，但在ＥＭＤ分解后的IMF中，能量的分布與原信號相一致，即在IMF中的幅值是即關(guān)于頻率也關(guān)于時間的函數(shù)。本征模函數(shù)任意一點的瞬時頻率都是有意義的。經(jīng)驗?zāi)B(tài)分解(EMD)EMD方法被認為是2000年來以傅立葉變換為基礎(chǔ)的線性和穩(wěn)態(tài)頻譜分析的一個重大突破，該方法是依據(jù)數(shù)據(jù)自身的時間尺度特征來進行信號分解，無須預(yù)先設(shè)定任何基函數(shù)。通過希爾伯特變換，使得我們對短信號和復(fù)雜信號的瞬時參數(shù)的定義及計算成為可能，能夠?qū)崿F(xiàn)真正意義上的瞬時頻率的提取，因而希爾伯特變換在信號處理上具有十分重要的地位，使得希爾伯特變換具有廣泛的
研究報告相關(guān)推薦
鄂ICP備17016276號-1