Hilbert-Huang Dönüşümü
Hilbert-Huang Transform · Ayrıca şöyle bilinir: HHT, EMD-Hilbert Spectral Analysis, Hilbert Spektral Analizi, Adaptive Time-Frequency Decomposition
Hilbert-Huang Dönüşümü (HHT), doğrusal olmayan ve durağan olmayan zaman serilerini analiz etmek için uyarlanabilir, veri odaklı bir yöntemdir. 1998 yılında Norden E. Huang ve meslektaşları tarafından tanıtılmıştır. Sinyali içsel mod fonksiyonlarına (IMF'ler) ayrıştıran Ampirik Mod Ayrıştırması (EMD) ile Hilbert spektral analizini birleştirerek, sinyal durağanlığı veya doğrusalığı varsaymadan anlık genlik ve frekans temsilleri üretir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
HHT, sinyalin durağan olmayan (istatistiksel özellikleri zamanla değişen) veya doğrusal olmayan olduğu biliniyorsa veya şüpheleniliyorsa, örneğin biyomedikal sinyaller, sismik dalga formları, okyanus dalgası verileri veya finansal zaman serileri gibi durumlarda uygundur. Önceden tanımlanmış temel fonksiyonlar gerektirmez ve veriye tam olarak uyum sağlar, bu da içsel salınımlı modların zamanla frekansta değiştiği durumlarda Fourier veya dalgacık yöntemlerinden üstün olmasını sağlar. Sadece durağan ve doğrusal sinyaller için uygun değildir, bu durumlarda Fourier analizi daha düşük hesaplama maliyetiyle yeterlidir. Sınırlamalar arasında mod karışması, gürültüye duyarlılık ve Fourier analizine kıyasla katı bir matematiksel teori eksikliği yer alır.
Güçlü yönler & sınırlılıklar
- Tamamen uyarlanabilir ve veri odaklı: önceden tanımlanmış temel fonksiyonlar varsayılmaz, bu da onu doğrusal olmayan ve durağan olmayan sinyaller için uygun kılar.
- Zaman ortalamalı spektral içerik yerine gerçek anlık frekans ve genlik tahminleri sağlar.
- Karmaşık çok bileşenli sinyalleri fiziksel olarak anlamlı içsel mod fonksiyonlarına ayrıştırır.
- Sinyal durağanlığı, doğrusalığı veya önceden sinyal yapısı bilgisi gerektirmeden doğrudan veriler üzerinde çalışır.
- Mod karışması: farklı fiziksel salınımlar aynı IMF'de görünebilir veya tek bir salınım birden fazla IMF'ye yayılabilir, özellikle gürültü veya aralıklı sinyallerin varlığında.
- Katı bir matematiksel teori eksikliği: EMD sifting işleminin yakınsama ve tekliği genel olarak garanti edilmez.
- Uç etkiler: zarfların kübik spline interpolasyonu, içeri doğru yayılan sınır bozulmaları üretebilir.
- Çok uzun zaman serileri için hesaplama açısından yoğundur ve sifting durdurma kriterinin ve interpolasyon yönteminin seçimine duyarlıdır.
SSS
HHT, dalgacık analizinden nasıl farklıdır?
Dalgacıklar, önceden tanımlanmış ana dalgacıklar ve belirsizlik ilkesi tarafından yönetilen sabit zaman-frekans çözünürlük ödünleşimleri kullanırken, HHT temel fonksiyonlarını (IMF'ler) tamamen veriden türetir. Bu, HHT'ye uyarlanabilir frekans çözünürlüğü sağlar, bu da dalgacıkların yayabileceği veya kaçırabileceği anlık frekans değişikliklerini izlemesine olanak tanır. Ancak, dalgacıkların iyi kurulmuş bir matematiksel çerçevesi varken, HHT'nin teorik temelleri aktif bir araştırma alanı olmaya devam etmektedir.
Mod karışması nedir ve nasıl ele alınabilir?
Mod karışması, bir IMF'nin çok farklı ölçeklerde salınımlar içermesi veya tek bir fiziksel salınımın birden fazla IMF'ye yayılması durumunda ortaya çıkar, bu genellikle aralıklılık veya gürültüden kaynaklanır. Topluluk EMD (EEMD), sinyalin gürültü ile pertürbe edilmiş versiyonları üzerinde EMD'nin birden çok çalışmasından elde edilen IMF'leri ortalayarak bunu ele alır, bu da gürültü kaynaklı mod karışmasının istatistiksel olarak iptal edilmesini sağlarken gerçek sinyal modlarını korur.
HHT, sinyal dağılımı hakkında herhangi bir varsayım gerektirir mi?
HHT, sinyal durağanlığı, doğrusalığı veya dağılım formu hakkında herhangi bir varsayım yapmaz. Tamamen ampirik ve veri uyarlamalıdır. Tek örtük varsayımlar, sinyalin ekstremumlarla tanımlanan salınımlı modlara anlamlı bir şekilde ayrılabileceği ve kübik spline interpolasyonunun yerel ortalama zarfı yeterince temsil ettiğidir. Bu genellik, yöntemin birincil gücüdür ancak aynı zamanda resmi istatistiksel çıkarım araçlarının eksikliğine de katkıda bulunur.
Kaynaklar
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Hilbert-Huang Transform. ScholarGate. https://scholargate.app/tr/signal-processing/hilbert-huang-transform
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Ampirik Mod Ayrıştırması (EMD)Sinyal işleme↔ karşılaştır
- Fourier Dönüşümü ve Spektral Analiz (FFT)Sinyal işleme↔ karşılaştır