1) Hilbert Cepstrum
Hilbert倒谱
1.
This paper presents the idea of Hilbert Cepstrum, based on the Cepstrum.
文章在倒谱的基础上,提出Hilbert倒谱的概念。
2) Hilbert Spectrum
Hilbert谱
1.
Hilbert spectrum and intrinsic oscillation mode of dynamic response of a bilinear SDOF system: influence of input harmonic frequency;
双线性单自由度体系强迫动力反应的Hilbert谱与本征振动模态:输入简谐波频率的影响
2.
Analysis and application of empirical mode decomposition and Hilbert spectrum;
经验模式分解与Hilbert谱的分析及应用
3.
By representing the intrinsic mode functions (IMF s) as time varying VARMA model, the time varying model parameters estimated with Kalman filter are used to calculate the instantaneous frequencies, according to which the Hilbert spectrum is yielded and the envelope is derived from the .
指出了Hilbert-Huang变换方法中进行Hilbert谱分析时应引起重视的两方面限定。
3) Hilbert marginal spectrum
Hilbert边际谱
1.
By applying HHT to the signal the Hilbert marginal spectrum which can reflect accurately the signal amplitude changes with the frequency.
通过对信号进 行Hilbert Huang变换,可以得到信号的Hilbert边际谱,它能精确地反映信号幅值随频率的变化规律。
2.
Then Hilbert spectrum and Hilbert marginal spectrum are obtained from instantaneous frequency and amplitude obtained from Hilbert transform.
通过EMD方法提取信号的固有模态函数(IMF),再进行Hilbert变换,求瞬时频率、瞬时振幅,得到信号的Hilbert谱,进而得到Hilbert边际谱,对故障暂态和扰动信号进行了分析。
3.
The results indicate that different mental tasks in EEG have different Hilbert-Huang spectrums and Hilbert marginal spectrums, which proves HHT to be a feasible method on EEG analysis.
实验结果表明,不同思维作业脑电信号经HHT后的HH谱和Hilbert边际谱都差异显著,证明HHT方法对脑电信号处理的可行性。
4) Hilbert spectral analysis
Hilbert谱分析
1.
We will introduce a new time-frequency analysis approach,Hilbert spectral analysis method,and its application to heart sounds signals.
文章介绍了一种新的时频分析方法—— Hilbert谱分析 ,并将其应用到心音信号的时频分析中 ,分析对比了短时 Fourier变换 ,小波分析和 Hilbert谱分析这三种方法在处理心音信号时的性能差异 。
2.
This method contains two parts:empirical mode decomposition(EMD) and the Hilbert spectral analysis.
HHT是一种新的非平稳信号处理技术,该方法由EMD与Hilbert谱分析两部分组成。
5) Hilbert spectrum entropy
Hilbert谱熵
1.
Investigation on diesel engine fault diagnosis by using Hilbert spectrum entropy;
基于Hilbert谱熵的柴油机故障诊断方法研究
6) 2D Hilbert spectrum
二维Hilbert谱
补充资料：复倒谱
一个函数的傅里叶变换的对数的傅里叶反变换。对褶积信号的线性分离作用，在实际信号处理中很有用处，例如可应用于通信、建筑声学、地震分析、地质勘探和语音处理等领域。尤其在语音处理方面，应用复倒谱算法可制成同态预测声码器系统，用于高度保密的通信。
在离散信号x(n)情况下，用z变换表示复倒谱，可以写作
复倒谱可以利用同态系统中一种特定的特征系统来求得，如图所示。为了区别于用一般方法所求得的频谱(spectrum)，将spectrum这一词前半部(spec)字母顺序颠倒即成cepstrum，根据词形定名为倒谱。又因频谱一般为复数谱，故称为复倒谱。为了说明复倒谱的性质,假设已知两信号x1(n)和x2(n)相褶积而得到的时间函数x(n)，对它们分别求其离散傅里叶变换，写作
X(ω)＝DFT[x(n)] X1(ω)＝DFT[x1(n)]
X2(ω)＝DFT[x2(n)]
按上述定义，可得到如下关系式
＝IDFT｛log[X(ω)]｝
＝IDFT｛log[X1(ω)]｝＋IDFT｛log[X2(ω)]｝
由此可见,通过复倒谱的运算可将x1(n)和x2(n)的褶积关系变换为相加关系，再采用一般线性系统对它们进行滤波处理。
在离散信号x(n)情况下，用z变换表示复倒谱，可以写作
复倒谱可以利用同态系统中一种特定的特征系统来求得，如图所示。为了区别于用一般方法所求得的频谱(spectrum)，将spectrum这一词前半部(spec)字母顺序颠倒即成cepstrum，根据词形定名为倒谱。又因频谱一般为复数谱，故称为复倒谱。为了说明复倒谱的性质,假设已知两信号x1(n)和x2(n)相褶积而得到的时间函数x(n)，对它们分别求其离散傅里叶变换，写作
X(ω)＝DFT[x(n)] X1(ω)＝DFT[x1(n)]
X2(ω)＝DFT[x2(n)]
按上述定义，可得到如下关系式
＝IDFT｛log[X(ω)]｝
＝IDFT｛log[X1(ω)]｝＋IDFT｛log[X2(ω)]｝
由此可见,通过复倒谱的运算可将x1(n)和x2(n)的褶积关系变换为相加关系，再采用一般线性系统对它们进行滤波处理。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条