黄宁等非线性和非平稳时间序列分析的EMD与Hilbert谱法

非线性和非平稳时间序列分析是Norden E. Huang教授在1998年的一篇重要论文中探讨的核心主题，该论文发表在《英国皇家学会哲学会会刊A》(Proc.R.Soc.Lond.A)上，卷号为454，页码区间为903-995。论文标题为"Empirical Mode Decomposition (EMD) 和 Hilbert Spectrum for Nonlinear and Non-stationary Time Series Analysis"，这是对复杂数据处理方法的重要贡献，特别是在环境科学、地球物理学以及金融等领域，这些领域中的信号往往具有显著的非线性特征和时变特性。 EMD是一种数据分解技术，它将非平稳的时间序列分解成一系列称为“本征模”（Intrinsic Mode Functions, IMFs）的简单周期性或准周期性成分，同时保留了信号的原始动态信息。这种分解方式对于去除趋势和季节性影响非常有效，特别适用于信号中的多尺度和非线性成分。 Hilbert Spectrum进一步扩展了EMD的概念，通过Hilbert变换为每个IMF计算复数频率谱，从而揭示了信号在不同时间尺度上的瞬时频率和能量分布。这不仅提供了对信号动态结构的直观理解，还有助于识别潜在的非线性动力学过程，如混沌行为、周期性事件和瞬态变化等。 论文作者Norden E. Huang与Zheng Shen、Steven R. Long、Manli C. Wu、Hsing H. Shih、Quanan Zheng和Nai-Chyuan Yen以及Chi Chao Tung和Henry H. Liu共同合作，他们的工作标志着非线性时间序列分析方法的重大突破。引用此文章的学者们可能是在利用EMD和Hilbert Spectrum来解决他们研究中的复杂信号分析问题。 本文发表后，引起了广泛的关注，其研究成果被多个学术期刊和研究项目引用，证明了该方法在实际应用中的价值。订阅《英国皇家学会哲学会会刊A》可以获取更多此类领域的最新研究动态，同时，免费邮件警报服务可以帮助读者跟踪与文章相关的后续研究。 Norden E. Huang等人在1998年的这篇论文为理解和分析非线性、非平稳的时间序列数据提供了强有力的工具，至今仍在科研社区中扮演着关键角色。