EMD编程示例（内有FFT，功率谱，HHT，包络谱）.rar_EMD 包络谱_EMD分解_FFT模态_hht_hht包络谱

clear all; clc; %给定参数 fs=1000; N=1000; n=0:N-1; t=n/fs; %构造仿真信号 x=2*sin(2*pi*120*t)+(1+sin(2*pi*5*t)).*sin(2*pi*50*t+0.5*cos(2*pi*5*t)); %emd分解 imf=emd(x); %绘制时域波形 figure,plot(t,x);xlabel('时间 t/s');ylabel('幅值');title('仿真信号时域波形'); %绘制FFT频谱 nfft= 2^nextpow2(length(t));%找出大于y的个数的最大的2的指数值 ff=fs*(0:nfft/2-1)/nfft;%FFT变换后对应的频率的序列 fftx=fft(x,nfft);%求FFT变换 ps=fftx.*conj(fftx)/nfft;%conj()函数是求y函数的共轭复数，实数的共轭复数是他本身 figure; subplot(211),plot(ff,abs(fftx(1:nfft/2))*2/nfft);ylabel('幅值');xlabel('频率');title('FFT频谱'); subplot(212),plot(ff,ps(1:nfft/2));ylabel('功率谱密度');xlabel('频率');title('信号功率谱'); %绘制emd分解结果 plot_imf(x,t,imf); %求时频谱 [A,f,t]=hhspectrum(imf(1:end-1, :));%对IMF分量求取瞬时频率与振幅：A：是每个IMF的振幅向量,f:每个IMF对应的瞬时频率，t：时间序列号 %绘制瞬时包络图和瞬时频率图 figure; subplot(221),plot(t/N,A(1,:));xlabel('时间 t/s');ylabel('幅值');title('imf1分量瞬时包络'); subplot(222),plot(t/N,f(1,:)*fs);xlabel('时间 t/s');ylabel('频率');title('imf1分量瞬时频率'); subplot(223),plot(t/N,A(2,:));xlabel('时间 t/s');ylabel('幅值');title('imf2分量瞬时包络'); subplot(224),plot(t/N,f(2,:)*fs);xlabel('时间 t/s');ylabel('频率');title('imf2分量瞬时频率'); %即时频图(用颜色表示第三维值的大小)和三维图（三维坐标系：时间，中心频率，振幅） [E,t,Cenf]=toimage(A,f,t,length(t));%将每个IMF信号合成求取Hilbert谱，E：对应的振幅值，Cenf：每个网格对应的中心频率 这里横轴为时间，纵轴为频率 %绘制Hilbert-Huang谱 figure; set(gcf,'Color','w'); imagesc(t/N,[0,0.5*fs],E); set(gca,'YDir','normal') colormap('jet') colorbar; xlabel('时间 t/s'); ylabel('频率 f/Hz');axis([0 1 0 200]) title('Hilbert-Huang Spectrum') ; %画出边际谱 %N=length(Cenf);%设置频率点数 %完全从理论公式出发。网格化后中心频率很重要，大家从连续数据变为离散的角度去思考，相信应该很容易理解 for k=1:size(E,1) bjp(k)=sum(E(k,:))*1/fs; end figure; plot(Cenf(1,:)*fs,bjp); % 作边际谱图 进行求取Hilbert谱时频率已经被抽样成具有一定窗长的离散频率，所以此时的频率轴已经是中心频率 xlabel('频率 f/Hz'); ylabel('幅值'); title('边际谱');