ScholarGate
Assistent
Machine learningTime-frequency analysis

Hilbert-Huang-transformen (HHT)

Hilbert-Huang-transformen (HHT) är en adaptiv, datadriven metod för analys av icke-linjära och icke-stationära tidsserier, introducerad av Norden E. Huang och kollegor 1998. Den kombinerar empirisk moddekomposition (EMD), som dekomponerar en signal till intrinsiska modfunktioner (IMF), med Hilbert-spektralanalys för att producera omedelbara frekvens- och amplitudrepresentationer utan att anta stationsitet eller linjäritet hos signalen.

Öppna i MethodMindSnartVideoSnartLadda ner bildspel

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Metodkarta

Närområdet av besläktade metoder — välj en nod för att utforska.

Källor

  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

Så citerar du den här sidan

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

Vilken metod?

Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.

Jämför sida vid sida

Refereras av

ScholarGateHilbert-Huang Transform (Hilbert-Huang Transform). Hämtad 2026-06-15 från https://scholargate.app/sv/signal-processing/hilbert-huang-transform · Datamängd: https://doi.org/10.5281/zenodo.20539026