本帖最后由 shuihai707 于 2014-9-15 16:47 编辑
时频分布，其实图像也是星星点点的，就是图像缩小后看不出来。
说明一下吧，函数=toimage(A,fa,tt,length(tt),2500)最后一个参数2500表示频率分辨率，表示输出E的行数，这个值越大，边际谱越真实。对于你的数据采样频率为500000，理想情况下频率分辨率如果能达到250000，就能分辨出1hz的频率，受电脑配置限制，频率分辨率设置过大就会产生Out of memory的情况，我只能设置2500了，设置2500只能分辨出250000/2500=100Hz的频率，这样边际谱的结果就不是很真实，某些频率的数值就无法叠加，造成边际谱中的数值过小。相对FFT频谱反映的比较真实了。
看看边际谱函数
for k=1:size(E,1) %size(E,1)表示E的行数
bjp(k)=sum(E(k,:))*1/fs; %边际谱的大小取决于E的行数，而E的行数又取决于频率分辨率
end
看看函数 = TOIMAGE(A,fa,tt,splx,sply)，A,f,t就是函数"hhspectrum"的输出，output of "hhspectrum"，不多说。
- splx : number of columns of the output im (time resolution).
If different from length(tt), works only for uniform
sampling.将时间平分的份数，一般为length(tt).
- sply : number of rows of the output E (frequency resolution).
sply表示输出结果E的行数了，即将频率需要平分的份数
正常频率范围是0~fs/2，如果sply能达到fs/2，那么频率就能分辨出1Hz的值了。
萝莉啰嗦，希望明白。
程序给你贴出来，自己研究吧
clc;clear
data=xlsread('matlab.xls');
x=(data(:,2));
x=(x-mean(x))';
fs=1/2e-6;
imf=emd(x);
emd_visu(x,1:length(x),imf);
% figure
% hua_fft(x,fs,1);xlim();
=hhspectrum(imf);
=toimage(A,fa,tt,length(tt),2500);
%%%%%%%%%%%%%%图像滤波，对实测数据效果好些%%%%%%%%%%%%
q=fspecial('gaussian', 7, 0.6);
nsu=filter2(q, E);
nsu=filter2(q, nsu);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
figure
imagesc(tt,0:0.5*fs,nsu.^.5);colorbar;xlim();
% imagesc(tt,0:0.5*fs,E);colorbar;
ylabel('频率f/Hz')
set(gca,'YDir','normal')
xlabel('采样点数')
for k=1:size(E,1)%SIZE(X,1) returns the number of rows
bjp(k)=sum(E(k,:))*1/fs;
end
figure;plot(Cenf(1,:)*fs,bjp);
shuihai707 发表于 2014-9-15 14:35
程序给你贴出来，自己研究吧
clc;clear
data=xlsread('matlab.xls');
嗯嗯，真是太感谢啦！可以把你的FFT变换程序贴出来吗？
shuihai707 发表于 2014-9-15 14:35
程序给你贴出来，自己研究吧
clc;clear
data=xlsread('matlab.xls');
colorbar是什么意思？为什么我执行colorbar之后是这样的，，从-20到0.
cwb 发表于 2014-9-15 15:44
colorbar是什么意思？为什么我执行colorbar之后是这样的，，从-20到0.
你的图像满天繁星的也对，可能就是没有用图像滤波，可用可不用。disp_hhs函数的幅值是db，你好好看看函数，开头就有说明，colorbar自己百度吧，就是旁边的颜色条。
shuihai707 发表于 2014-9-15 15:58
你的图像满天繁星的也对，可能就是没有用图像滤波，可用可不用。disp_hhs函数的幅值是db，你好好看看函数 ...
嗯，好的。
刚才一还做了滤波之后的FFT谱，对比边际谱，感觉FFT谱反而更加准确一些，，，本来想用HHT来做信号处理，这下迷糊了，不知道用HHT好还是用FFT好 了。。。
shuihai707 发表于 2014-9-15 15:58
你的图像满天繁星的也对，可能就是没有用图像滤波，可用可不用。disp_hhs函数的幅值是db，你好好看看函数 ...
disp_hhs就是显示E的吧，关键是我不太理解E里面的内容是啥，是有很多个点组成的二维图像？绘出来之后每个点的颜色就代表该点的幅度吗？幅度的单位就是dB？我的理解对吗？
如果你的电脑内存足够大，不会出现Out of memory情况，建议使用边际谱，我的帖子中的一个例子就说明了边际谱比傅里叶谱要准确。
shuihai707 发表于 2014-9-15 16:29
如果你的电脑内存足够大，不会出现Out of memory情况，建议使用边际谱，我的帖子中的一个例子就说明了边际 ...
嗯，希望是这样吧。因为在滤波之前的边际谱好像要比FFT谱光滑而紧凑一些，可能泄漏更小一些吧。
我有个疑问，是不是HHT不适合分析频率太高的信号呀？我看到HUANG的原文里举的一些例子都是频率很低的信号，信号的周期都是秒级别的，得出来的结果和FFT及小波分析很有对比性；我分析的超声信号是20kHz以上的，在微秒级的，，其HHT分析结果和FFT及小波分析的对比性好像就不是很明显了。
shuihai707 发表于 2014-9-15 16:29
如果你的电脑内存足够大，不会出现Out of memory情况，建议使用边际谱，我的帖子中的一个例子就说明了边际 ...
你有没有发现个问题，关于EMD。HUANG文章里的所采用的仿真信号是“幅值或者频率的缓变信号”（frequency and amplitude slow-varying），这样就需要一个前提，采样频率要明显大于仿真信号频率，这种情况下，各种乱七八糟的干扰信号或者噪音不会影响IMF的分解结果。EMD方法具有一种二进制滤波特性，虽说是自适应的，但是与采样点数是有很大关系的，如果你的信号刚刚好位于各滤波范围内的不重叠位置，那分离出来的信号IMF，物理意义很明显。
而对于振动信号来言，很难保证采样频率远远大于信号频率的，所以，使得分离出来的很多信号意义不明确。
cwb 发表于 2014-9-16 09:57
嗯，希望是这样吧。因为在滤波之前的边际谱好像要比FFT谱光滑而紧凑一些，可能泄漏更小一些吧。
我有个 ...
你有没有发现个问题，关于EMD。HUANG文章里的所采用的仿真信号是“幅值或者频率的缓变信号”（frequency and amplitude slow-varying），这样就需要一个前提，采样频率要明显大于仿真信号频率，这种情况下，各种乱七八糟的干扰信号或者噪音不会影响IMF的分解结果。EMD方法具有一种二进制滤波特性，虽说是自适应的，但是与采样点数是有很大关系的，如果你的信号刚刚好位于各滤波范围内的不重叠位置，那分离出来的信号IMF，物理意义很明显。
而对于振动信号来言，很难保证采样频率远远大于信号频率的，所以，使得分离出来的很多信号意义不明确。
yugang2010 发表于 2014-9-16 10:13
你有没有发现个问题，关于EMD。HUANG文章里的所采用的仿真信号是“幅值或者频率的缓变信号”（frequency...
采样点数和采样频率的确对EMD有影响，采样频率至少保证最高频率的4倍以上。
采样频率影响很大
轻安自在 发表于 2014-9-20 13:49
采样频率影响很大
你说的采样频率指的是哪个采样频率？我的数据是从示波器上取下来的，示波器的采样频率是500kHz