时频转换 | Matlab希尔伯特变换Hilbert-Huang Transform一维数据转二维图像方法

 ✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

🔥 内容介绍

希尔伯特-黄变换 (Hilbert-Huang Transform, HHT) 作为一种自适应信号处理方法，近年来在各个领域得到了广泛应用。它通过经验模态分解 (Empirical Mode Decomposition, EMD) 将非线性、非平稳信号分解为一系列固有模态函数 (Intrinsic Mode Functions, IMFs)，再对每个 IMF 进行希尔伯特变换，从而获得信号瞬时频率和瞬时能量的时频分布，实现对信号的时频局部特征的精细分析。然而，HHT的结果通常以一维时间序列的形式呈现，不易直观理解。因此，将 HHT 的结果转化为二维图像，不仅能更有效地展现信号的时频特性，也能为信号特征提取和模式识别提供新的视角。

本文旨在探讨将希尔伯特-黄变换应用于一维数据，并将其结果转换成二维图像的多种方法。我们将深入分析几种常见的二维图像生成策略，并探讨其优缺点，以及在不同应用场景下的适用性。最终，我们将对 HHT 一维数据转二维图像方法的未来发展方向进行展望。

一、希尔伯特-黄变换 (HHT) 的回顾

首先，我们简要回顾一下 HHT 的基本原理。HHT 主要由两个步骤组成：

1. 经验模态分解 (EMD)： EMD 是一种自适应的信号分解方法，它将原始信号分解为一系列具有不同时间尺度的 IMF。每个 IMF 都满足两个基本条件：(1) 在整个时间序列中，局部极大值点和局部极小值点的数量必须相等或者最多相差一个；(2) 由局部极大值点和局部极小值点分别形成的上下包络线的平均值为零。 EMD 算法通过迭代筛选过程，逐步分离出高频到低频的 IMF，最终剩余一个残差项。

2. 希尔伯特变换 (HT)： 对每个 IMF 进行希尔伯特变换，可以得到其解析信号。解析信号包含了信号的幅值和相位信息。通过对解析信号求导，可以得到 IMF 的瞬时频率和瞬时幅值（或能量）。瞬时频率是指信号在特定时刻的频率变化率，而瞬时幅值则反映了信号在该时刻的强度。

HHT 的结果通常以时间-频率-能量的三维形式呈现，但为了可视化，通常将能量投影到时间-频率平面上，形成所谓的希尔伯特谱 (Hilbert Spectrum)。

二、一维 HHT 结果转换为二维图像的方法

将一维 HHT 结果转化为二维图像，本质上是将时间、频率和能量三个维度的数据映射到图像的像素位置和像素值上。以下是一些常见的转换方法：

1. 希尔伯特谱图 (Hilbert Spectrum): 这是最常见的 HHT 结果可视化方法。时间轴作为图像的横坐标，频率轴作为图像的纵坐标，像素点的颜色或灰度值代表该时频点的能量值。能量值越高，像素越亮。

   • 优势： 直观易懂，能够清晰地展现信号的时频能量分布。

   • 劣势： 对于具有复杂时频结构的信号，谱图可能会比较模糊，难以区分不同的时频成分。此外，能量值的量化方式也会影响图像的视觉效果。

   • 改进方法： 可以采用不同的颜色映射方案，例如彩虹色、热力图等，以增强图像的对比度。也可以采用对数变换或其他非线性变换，来压缩能量值的动态范围，从而更好地显示弱信号。

2. 瞬时频率-瞬时幅值散点图： 将每个时间点对应的瞬时频率和瞬时幅值作为平面直角坐标系中的一个点，将所有点绘制出来，形成散点图。可以通过颜色或大小来表示时间信息。

   • 优势： 能够清晰地展现瞬时频率和瞬时幅值之间的关系，可以用于识别信号的特征模式。

   • 劣势： 对于长时间的信号，散点图可能会过于密集，难以分辨。此外，无法直接展现时间信息。

   • 改进方法： 可以将时间轴进行离散化，并用不同的颜色或符号来标记不同时间段的散点。可以采用密度散点图 (Density Scatter Plot)，通过颜色或轮廓线来表示数据点的密度。

3. 能量密度图： 将时间轴分成若干个时间窗口，计算每个时间窗口内的能量密度。然后将时间窗口作为图像的横坐标，能量密度作为纵坐标，绘制成图像。

   • 优势： 能够突出显示信号的能量变化趋势，适用于分析信号的整体特征。

   • 劣势： 损失了信号的精细时频信息，对突变信号的反应不够灵敏。

   • 改进方法： 可以选择合适的时间窗口大小，以兼顾时间和频率分辨率。可以采用滑动窗口的方法，以提高时间分辨率。

4. 将 IMFs 作为图像： 将每个 IMF 作为一个单独的图像，其中时间作为横坐标，幅值作为纵坐标。可以将多个 IMFs 叠加在一起，形成多通道图像。

   • 优势： 可以直观地观察每个 IMF 的波形特征，有助于理解信号的分解过程。

   • 劣势： 无法直接展现信号的时频关系。

   • 改进方法： 可以对每个 IMF 进行傅里叶变换，得到频谱图像，然后将多个频谱图像叠加在一起。

5. 结合时频图和其他信号特征： 可以将希尔伯特谱图与其他信号特征 (例如，香农熵、能量熵、峰度等) 结合起来，形成多通道图像。例如，可以将希尔伯特谱图作为 RGB 通道的其中两个通道，将香农熵作为第三个通道。

⛳️ 运行结果

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

👇 关注我领取海量matlab电子书和数学建模资料

🌿 往期回顾可以关注主页，点击搜索

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇