希尔伯特黄变换（HHT）是一种用于非线性、非平稳信号分析的高级方法，由Norden Huang在1998年提出。HHT结合了经验模态分解（Empirical Mode Decomposition, EMD）和希尔伯特谱分析（Hilbert Spectral Analysis），在工程、医学、地球科学等多个领域有着广泛的应用。
EMD是HHT的基础，它是一种自适应的数据分解技术。在EMD中，原始信号被分解为一系列本征模态函数（Intrinsic Mode Function, IMF）。IMF是指满足两个条件的函数：1) 在整个时间序列上，每个局部最大值与相邻局部最小值之间的局部平均数为零；2) 各个局部极值点处的瞬时频率必须为非负。EMD通过迭代的方式，将信号不断分离成简单、具有单调性的IMF分量和残余项，直到残余项满足IMF定义或达到预设的终止条件。
希尔伯特变换（Hilbert Transform, HT）则是在分解出的IMF分量上进行的。HT是一种线性、时不变的处理，可以将实值函数转换为其对应的共轭导数，从而得到一个复信号。这个复信号的幅度谱给出了信号的瞬时频率和振幅，即希尔伯特谱。希尔伯特谱分析能提供信号的时间-频率分布，揭示信号随时间变化的频率成分，这对于分析非平稳信号尤其有用。
在HHT过程中，首先通过EMD将复杂信号分解为若干个IMF分量和一个残余项。然后，对每个IMF分量和残余项分别进行希尔伯特变换，得到它们的瞬时振幅和频率。将所有IMF的希尔伯特谱叠加，得到整个信号的希尔伯特谱，以此来揭示信号在时间域上的动态特征。
在HHT的实现中，"HHT.m"可能是一个MATLAB脚本，用于执行整个HHT过程，包括EMD和希尔伯特变换。MATLAB是一个强大的数值计算环境，非常适合进行这种复杂的信号处理任务。该脚本可能包含以下步骤：
1. 读取输入信号。
2. 应用EMD算法，对信号进行逐级分解。
3. 对每个IMF分量进行希尔伯特变换。
4. 计算希尔伯特谱，即每个IMF分量的瞬时振幅和频率。
5. 将所有IMF的希尔伯特谱组合，得到总希尔伯特谱。
6. 可视化结果，如显示原始信号、IMF分量、希尔伯特谱等。
希尔伯特黄变换的实用价值在于其能够处理非线性、非平稳信号，这在许多实际问题中是非常关键的，比如机械系统的故障诊断、心电信号分析、地震波研究等。通过HHT，我们可以更深入地理解这些信号的内在动态行为，为决策和预测提供有力支持。
HHT.rar （1个子文件） 
HHT.m 3KB
