python 希尔伯特-黄变换

希尔伯特-黄变换（Hilbert-Huang Transform，HHT）是一种用于信号处理和特征提取的技术。它由中国华东理工大学的黄其煜教授和美国纽约州立大学的尼尔·希尔伯特教授共同提出。HHT在振动信号、图像处理、医学和气象学等领域有广泛应用。

HHT通过对时域数据进行经验模态分解（Empirical Mode Decomposition，EMD），将信号分解成若干固有模态函数（Intrinsic Mode Function，IMF），每个IMF代表信号中某一特定频率范围的振动模态。接着，HHT利用Hilbert变换对每个IMF进行包络分析，得到Hilbert谱和瞬时频率谱。最后，将Hilbert谱积分获得希尔伯特谱，这是能够描述信号时频特性的重要参数。

相比于传统的傅里叶变换，HHT能够捕捉到信号的局部信息，具有高分辨率、无需预设窗口大小和频率范围等优点。因此，HHT在信号处理和特征提取方面有很广泛的应用。