本文考虑由具有明显频率变化的正弦波组成的非平稳连续信号。

由Kaizong Ye，Sherry Deng撰写

手提钻的振动或烟花声是非平稳连续信号的例子。

可下载资源

以采样频率加载非平稳信号数据fs，并可视化混合正弦信号。

load（'sinusoidalSignalExampleData.mat'，'X'，'fs'）; 
 
xlabel（'Time（s）'）;

× 经验模态分解（Empirical Mode Decomposition，简称EMD))方法被认为是2000年来以傅立叶变换为基础的线性和稳态频谱分析的一个重大突破，该方法是依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。这一点与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的差别。正是由于这样的特点，EMD 方法在理论上可以应用于任何类型的信号的分解，因而在处理非平稳及非线性数据上，具有非常明显的优势,适合于分析非线性、非平稳信号序列，具有很高的信噪比。所以，EMD方法一经提出就在不同的工程领域得到了迅速有效的应用，例如用在海洋、大气、天体观测资料与地震记录分析、机械故障诊断、密频动力系统的阻尼识别以及大型土木工程结构的模态参数识别方面。

观察到混合信号包含具有不同幅度和频率值的正弦波。

为了创建希尔伯特谱图，您需要信号的IMF。执行经验模式分解以计算信号的固有模式函数和残差。由于信号不平滑，请指定’ pchip‘作为Interpolation方法。

[imf，residual，info] = emd（X，'Interpolation'，'pchip'）;

目前的IMF | #Sift Iter | 相对Tol | 停止标准命中   
      1 | 2 | 0.026352 | SiftMaxRelativeTolerance 
      2 | 2 | 0.0039573 | SiftMaxRelativeTolerance 
      3 | 1 | 0.024838 | SiftMaxRelativeTolerance 
      4 | 2 | 0.05929 | SiftMaxRelativeTolerance 
      5 | 2 | 0.11317 | SiftMaxRelativeTolerance 
      6 | 2 | 0.12599 | SiftMaxRelativeTolerance 
      7 | 2 | 0.13802 | SiftMaxRelativeTolerance 
      8 | 3 | 0.15937 | SiftMaxRelativeTolerance 
      9 | 2 | 0.15923 | SiftMaxRelativeTolerance
分解停止是因为残留信号的极值数小于'MaxNumExtrema'。

课程

R语言数据分析挖掘必知必会

从数据获取和清理开始，有目的的进行探索性分析与可视化。让数据从生涩的资料，摇身成为有温度的故事。

立即参加 ➜

在命令窗口中生成的表指示每个生成的IMF的筛选迭代次数，相对容差和筛选停止标准。此信息也包含在info。您可以通过指定Display为隐藏表0。

HHT（IMF，FS）;

可视化信号的残差和内在模式功能

对于这个例子，考虑由具有明显频率变化的正弦波组成的非平稳连续信号。手提钻的振动或烟花声是非平稳连续信号的例子。

加载非平稳信号数据，并可视化混合正弦信号。

load（'sinusoidalSignalExampleData.mat'，'X'，'fs'）;

频率对时间图是一个稀疏图，其中垂直颜色条表示IMF中每个点的瞬时能量。该图表示从原始混合信号分解的每个分量的瞬时频谱。从该图中可以观察到三个IMF，其频率在1s处有明显变化。

观察到混合信号包含具有不同幅度和频率值的正弦波。

执行经验模式分解以绘制固有模式函数和信号残差。由于信号不平滑，请指定’ pchip‘作为Interpolation方法。

emd（X，'Interpolation'，'pchip'）;

目前的IMF | #Sift Iter | 相对Tol | 停止标准命中   
      1 | 2 | 0.026352 | SiftMaxRelativeTolerance 
      2 | 2 | 0.0039573 | SiftMaxRelativeTolerance 
      3 | 1 | 0.024838 | SiftMaxRelativeTolerance 
      4 | 2 | 0.05929 | SiftMaxRelativeTolerance 
      5 | 2 | 0.11317 | SiftMaxRelativeTolerance 
      6 | 2 | 0.12599 | SiftMaxRelativeTolerance 
      7 | 2 | 0.13802 | SiftMaxRelativeTolerance 
      8 | 3 | 0.15937 | SiftMaxRelativeTolerance 
      9 | 2 | 0.15923 | SiftMaxRelativeTolerance
分解停止是因为残留信号的极值数小于'MaxNumExtrema'。