Machine learningTime-frequency analysis
希尔伯特-黄变换
希尔伯特-黄变换（HHT）是一种自适应的、数据驱动的非线性非平稳时间序列分析方法，由Norden E. Huang及其同事于1998年提出。它结合了经验模态分解（EMD），将信号分解为固有模态函数（IMFs），以及希尔伯特谱分析，在不假设信号平稳性或线性的情况下，生成瞬时频率和幅度的表示。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 2). Hilbert-Huang Transform. ScholarGate. https://scholargate.app/zh/signal-processing/hilbert-huang-transform
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →