采用一种处理非平稳信号的新方法—希尔伯特-黄变换HHT（Hilbert-Huang Transform）来进行滚动轴承故障特征的提取。将信号先进行小波包降噪处理，然后用HHT进行信号故障特征提取。通过实验仿真和轴承故障诊断实例，对比没有进行小波包降噪而直接进行HHT的结果，证明了此方法在轴承故障诊断中的有效性。

变形监测数据处理是结构健康监测的一个重要内容。大型结构变形监测的数据往往表现出非线性、非平稳、含有强噪声及多种频率成分叠加的多尺度特征等特点。《希尔伯特-黄变换理论及其在重大工程变形监测中的应用》作者徐佳、麻凤基于理论分析、数值仿真、实验及现场监测等方法，对希尔伯特—黄(HHT)理论进行了系统研究，对基于EEMD滤波去噪特性及其在结构动态特性分析的模型建立等问题进行了分析；之后结合GPS动态监测数据处理、阜新海州露天矿边坡监测数据处理、GPS桥梁动态监测特性分析，以及基于地面微波雷达桥梁动态监测数据处理等实例，介绍了HHT在重大工程变形监测中的分析方法。 《希尔伯特-黄变换理论及其在重大工程变形监测中的应用》可供工程测量、土木工程、结构监测等领域的研究人员、工程技术人员和高等院校相关专业师生参考。

电力系统工程应用，是束洪春教授那本书的精华版

爆破振动信号分析技术是爆破危害控制的重要环节,结合现场监测,采用HHT分析方法进行分析,首先采用EMD经验模态分解,将信号分解为不同IMF分量,对主要分量进行Hilbert变换,并且提取子信号的包络线,验证了该方法在微差爆破延时间隔识别中的有效性,根据IMF分量经过Hilbert变换后得到的Hilbert能量谱,从时间-频率-能量上研究振动信号不同频率产生的影响,验证了HHT分析方法在非线性及非稳态的爆破信号中的高效性和良好的自适应性。

希尔伯特黄变换，经验模态分解，边际谱，超级全代码，可以出图可以自由更换信号

MATLAB源程序，可直接将多组数据进行imf转换。方便实用。

希尔比特-黄变换对语音信号的应用：语音信号是典型的非稳定，非线性信号

通过经验模态分解将非平稳序列的径流数据分解为几个本征模函数，进行希尔伯特-黄谱分析，得到边际谱。经验模态分解采用三次样条插值绘制包络线。

emd-hht的改进算法，能更好的抑制数据的端点效应，获得更加准确的imf分量及hht变换。

采用hht算法进行信号处理的典型例题，hht（希尔伯特黄变换）属于先进信号处理技术，1998年，Norden E. Huang（黄锷：中国台湾海洋学家）等人提出了经验模态分解方法，并引入了Hilbert谱的概念和Hilbert谱分析的方法