Machine learningTime-frequency analysis

تبدیل هیلبرت-هوانگ

تبدیل هیلبرت-هوانگ (HHT) یک روش تطبیقی و داده‌محور برای تحلیل سری‌های زمانی غیرخطی و غیرمانا است که توسط نوردن ای. هوانگ و همکارانش در سال ۱۹۹۸ معرفی شد. این روش، تجزیه حالت ذاتی (EMD) را که سیگنال را به توابع حالت ذاتی (IMFs) تجزیه می‌کند، با تحلیل طیفی هیلبرت ترکیب می‌کند تا نمایش‌های فرکانس و دامنه آنی را بدون فرض ایستایی یا خطی بودن سیگنال تولید کند.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Huang, N. E., et al. (1998). The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis. Proceedings of the Royal Society A, 454(1971), 903–995. DOI: 10.1098/rspa.1998.0193

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 2). Hilbert-Huang Transform. ScholarGate. https://scholargate.app/fa/signal-processing/hilbert-huang-transform

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

ارجاع‌شده در

ScholarGateHilbert-Huang Transform (Hilbert-Huang Transform). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/signal-processing/hilbert-huang-transform · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026