Python中HHT(希尔伯特-黄变更)以及其在EEG数据处置中的使用。
材料中搜罗源码以及pyHHT的阐发书以及一篇单通道去伪迹的文献资料。
材料中搜罗源码以及pyHHT的阐发书以及一篇单通道去伪迹的文献资料。
2023/4/14 18:07:42
22.05MB
1
把G.Rilling写的EMD.m注释汉化了，同时根据个人理解添加了部分注释，最初附上一个EMD分解＋HHT谱＋边际谱的例子。
例子程序中所用到的函数是G.Rilling提供的
例子程序中所用到的函数是G.Rilling提供的
2023/1/30 20:52:50
23KB
1
HHT（Hilbert-HuangTransform）希尔伯特黄变换，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。
2021/2/26 13:26:27
6KB
1
此资源为G-Rilling提供的EMD，和HHT变换，以及其他优化算法的工具箱，此工具箱需要配合时频工具箱进行使用（因其中代码使用了时频工具箱的算法）,时频工具箱在本人的资源里面有提供，具体的安装步骤在我的个人博客有引见，祝好，Allen.
2016/6/24 6:37:30
98KB
1
本文献为美国工程院院士黄鄂所写，详细引见了hilbert-huang变换的原理，方法及其应用，该文献是HHT方面权威的著作。
2017/4/17 7:44:25
26.45MB
1
分享HHT得到时频图的程序-hhspectrum.m本帖最初由1148680602lxn于2015-12-1509:51编辑刚开始学习EMD分解，HHT，特来分享程序，与大家交流，附件中的程序可以自己设定信号进行仿真，得到时频图。
但处理示波器得到的仿真波形效果不佳，求大神指导，有HHT处理仿真波形的程序的盆友，别忘了来分享哦！
但处理示波器得到的仿真波形效果不佳，求大神指导，有HHT处理仿真波形的程序的盆友，别忘了来分享哦！
2021/10/9 17:12:19
526B
1
Hilbert-Huang变换是一种适用于分析非线性、非平稳信号的数据处理方法，它是由美籍华人Huang以及他的同事在1998年提出的，从本质上讲这种方法是要对一个信号进行平稳化处理，得到信号的时间-频率-能量特征。
HHT是近年来在信号处理领域中的一项重要突破。
HHT是分EMD和Hilbert变换两步来实现的，首先对非线性、非平稳信号进行EMD分解，逐级分解出原始信号中不同尺度的波动或变化趋势，这些具有不同特征尺度的一系列时间序列分量叫做本征模态函数(IMF)，接着对每个IMF分量进行Hilbert变换。
对于EMD分解得到的每个分量都有着不同的频率成分，通过对各分量的Hilbert变换能够得到具有物理意义的瞬时属性参数。
Hilbert谱表示的是信号幅值在整个频率段上随时间和频率的变化规律，Hilbert边际谱表示信号幅值在整个频率段上随频率的变化情况，它相当于傅里叶谱，但比傅里叶谱具有更高的频率分辨率。
Hilbert边际谱是通过对Hilbert谱积分得到的。
HHT是近年来在信号处理领域中的一项重要突破。
HHT是分EMD和Hilbert变换两步来实现的，首先对非线性、非平稳信号进行EMD分解，逐级分解出原始信号中不同尺度的波动或变化趋势，这些具有不同特征尺度的一系列时间序列分量叫做本征模态函数(IMF)，接着对每个IMF分量进行Hilbert变换。
对于EMD分解得到的每个分量都有着不同的频率成分，通过对各分量的Hilbert变换能够得到具有物理意义的瞬时属性参数。
Hilbert谱表示的是信号幅值在整个频率段上随时间和频率的变化规律，Hilbert边际谱表示信号幅值在整个频率段上随频率的变化情况，它相当于傅里叶谱，但比傅里叶谱具有更高的频率分辨率。
Hilbert边际谱是通过对Hilbert谱积分得到的。
2020/8/12 19:37:27
25KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB