HHT关于边际谱的两个疑惑点,求解。。

RT。关于边际谱我看了有程序：for k=1:size(E,1)
                               bjp(k)=sum(E(k,:))*1/fs*1/tspan;  
                                 end
                               f=(0:N-3)/N*(fs/2);
有两个疑问要请教各位大侠：1 边际谱（频率-幅度）中的幅值应该不是原始组成分量的幅值吧。如果这样那我怎样设置纵坐标使得显示真实的幅度呢？按照程序中bjp(k)=sum(E(k,:))*1/fs*1/tspan就能求出真实的幅值吗？还有程序中的tspan是表示什么呢？有的程序开头已经写明tspan的值但是我的程序没写出的话我就不能用这个公式了吗？2 f=(0:N-3)/N*(fs/2)表示什么意思呢？等号后面的式子怎么就可以表示频率了呢？可能和数学知识有关，学的不好，想请教大家，呵呵！多谢！！

chenlu1986

自己顶一下，盼解答~~~

shinhwaforever

我也想知道,新手,好多的问题都不是那么明白.

youshen

这个程序我也看不懂。。

吃书的老虎

从边际谱的定义看，应该是Hilbert谱对时间的积分，得到频率和数值之间的关系。它不是IMF信号的幅值，要比幅值大。你的公式我看不懂。或许和前面的程序有关。

chenlu1986

回复 吃书的老虎 的帖子

这个就是论坛里破凰写的边际谱程序。Hilbert边际谱
http://forum.vibunion.com/forum- ... fromuid-156437.html（第37楼）

但是公式为什么这样写我不理解，继续请教中。。。:handshake

starshine1985

chenlu1986 发表于 2010-9-26 18:26

                               
登录/注册后可看大图

RT。关于边际谱我看了有程序：for k=1:size(E,1)
                               bjp(k)=sum(E(k,:))*1/f ...

版主bjp(k)=sum(E(k,:))*1/fs*1/tspan不对！
reason:画出时频谱三维图后，对时间积分即得边际谱，这里取近似相当于高数上把图形离散为许多小矩形，所以相当于乘以时间分辨率即可（1/fs）！
因为求瞬时频率后离散点少了2个所以为N-3，（fs/2是因为要满足采样定理）

nkdtxf

学习中

chenlu1986

回复 starshine1985 的帖子

谢谢~~~~~~··

chenlu1986

回复 nkdtxf 的帖子

呵呵 一起努力

熊星星星

南宫轩宇

谢谢，学习了，牛人真多，膜拜！

cwb

starshine1985 发表于 2010-10-14 10:56
版主bjp(k)=sum(E(k,:))*1/fs*1/tspan不对！
reason:画出时频谱三维图后，对时间积分即得边际谱，这里取 ...

我不太理解你的”取近似相当于高数上把图形离散为许多小矩形“的意思，是在Hilbert-Huang Spectrum上取吗？E是一个二维矩阵吧？函数[E,tt1]=toimage(A,fa,tt,length(tt))的意思是要根据瞬时幅度A,瞬时频率fa，时间tt转化成一个二维的图像吗？因为是对时间的积分，要求的是同一频率下H(w,t)对整个时间跨度的积分，所以要先对所有的瞬时频率排序，并将对应的瞬时幅度也排序，那E是不是满足这种条件了呀？然后用disp_hhs(E,tt1)就可以得到Hilbert-Huang Spectrum了，就是有颜色一张图片，看得眼花缭乱。。。
如果我不调用toimage函数，直接用以下的程序求Hilbert-Huang Spectrum可以吗？
   imf=emd(y);%y是原始数据，列向量，9000个元素
  [A,fa,tt]=hhspectrum(imf);%得到的A和fa是12*8998的矩阵，不知道为什么A和fa的长度减小了2？而tt是一个1*8998的行向量，范围是2~8999。。
  figure;
  for k=1:length(imf) %幅度-时间谱
        plot(tt,A(k,:));
        hold on;
  end
figure;
  for k=1:length(imf) %频率-时间谱
        plot(tt,fa(k,:));
        hold on;
  end



我就是想把所有的瞬时幅度和瞬时频率叠加在一张图上，我不知道这样理解对不对，请不吝赐教！谢谢！