在振动目标的激光微多普勒信号分析中，基于联合时频谱的分析方法为目标的检测、分类和识别提供有用信息，得到广泛运用。对于一般非线性和非平稳信号，传统的时频分析方法能有效地提取信号特征，但在强背景噪声和弱调制信道条件下，具有很大局限性。引入希尔伯特-黄变换(HHT)作为一种新的微多普勒信号分析方法，分析在强背景噪声和弱调制等信道下，HHT在微多普勒信号中的特征提取。通过Matlab软件仿真，与平滑伪Wigner-Ville分布(SPWVD)比较，证明了HHT在微多普勒信号分析和特征提取中的有效性。

这类本征模态函数的瞬时频率(Instantaneous Frequency

希尔伯特黄变换(HHT)的 完整 MATLAB程序

《NO.23 希尔伯特黄变换》视频代码

希尔伯特-黄变换HHT的相关原理优劣应用的论文资料，可以掌握相关原理，通俗易懂，并介绍了优劣与应用

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。

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

EMD 和希尔伯特黄变换的源程序 带例子 供大家参考

HHT变换求模态参数的具体过程，很实用，效果很好，与大家分享！

言语是人类社会最重要的交际工具，也是人类思维工具，人类社会文明与它 息息相关。语音承载语言信息，人们的信息交互主要靠语音进行。 在实际的语音环境，多多少少存在着程度不等的环境噪声的干扰。噪声使语 音质量下降，语音信号处理设备不能正常工作，信息交流受阻，含噪语音的去噪 成为一个亟待解决的难题。 传统的各种时频分析技术如傅立叶分析是面向平稳信号的，不适合分析非平 稳信号，非平稳信号的典型代表是语音信号，它是时变的随机信号。本文主要研 究采用近年来发展起来的面向非平稳信号的希尔伯特一黄变换理论来处理含噪语 音，抑制噪声，从而做到语音増强。