第一章 编程环境
§1.1 MATLAB简介
MATLAB可用于高级技术计算语言和交互式环境，用于算法开发，数据可视化，数据分析和数值计算。本人在学习期间曾多次使用该软件做对于数据和信号的分析。
MATLAB是矩阵实验室的简称，是由美国MathWorks公司出品的商业数学方面的软件，是一种被用于计算机语言和算法开发，数据可视化，数据分析和数值计算的交互式环境[5]。
在MATLAB的常用应用程序中，使用者可以创建用户界面，绘制函数和数据，执行矩阵操作，实现算法，以及使用其他编程语言连接程序。主要用于控制设计，工程计算，信号处理与通信，信号检测，图像处理，财务建模设计与分析。
MATLAB数据的基本单位是一个矩阵，其指令表达式与工程和数学中常用的指令表达式大致相似。因此，使用MATLAB解决问题要比使用C ++，FORTRAN和其他语言简单得多，而且数学工作吸取了Maple和其他软件的优点。使MATLAB在数学软件中十分厉害。在新的MATLAB版本中加入了对C，C++ ，FORTRAN，JAVA的支持，可以直接进行调用。另外，用户还可以将他们自己的程序导入到MATLAB库中，这可以在将来使用时直接调用。 目前许多MATLAB用户已经编写了一些其他用户可以直接下载的经典程序。
§1.2 MATLAB优点解析
MATLAB相比较于其他同类型的软件具有不小的优势，其中最突出的特点之一就是简洁。它更符合人们的思维习惯，用更直观的代码代替FORTRAN和C的长码。 MATLAB为用户带来最直观，最简洁的编程环境; 且MATLAB由一系列工具组成。这些工具方便用户使用MATLAB的函数和文件；在进行程序编写时，无需经过编译就可直接运行，而且能够及时地报告出现的错误及错误处，方便用户进行出错原因分析；另外，MATLAB包含了大量的算法，大部分项目的常用数学运算都可以直接调用，帮助用户轻松实现各种计算[6]。
§1.3 本章小结
本次设计采用MATLAB软件进行，在本次设计之前，本人已多次采用MATLAB进行其他课题的设计，能熟练地对MATLAB进行操作。本章主要介绍了本次设计的编程环境，为MATLAB的2014版本，在本次设计中，对加噪信号进行EMD计算得IMF分量极其重要，设计到在MATLAB环境中添加一个EMD工具箱。
第二章 研究对象解析
§2.1 HHT及其算法介绍
§2.1.1 HHT国内外研究状况
1998年美国华裔科学家Huang教授正式将HHT理论提出，系统该理论介绍了在HHT变换中最重要的HST和EMD两部分的过程和原理[9]，而且系统分析了HHT的正交性，完整性和适应性[10]。
1999年，Huang提出采用设置区间频率的方法来避免EMD中的模态混叠，并将其应用于水波信号的分析。
2003年HHT迎来了研究及其应用的高潮。Huang研究了EMD中存在的过度包络问题，并提出了一种使用最大包络进行信号归一化的方法。陈等人获得了极端均值算法，并首次建立了有效的IMF数学模型。Flandrin和Rilling等人引入了瞬时平均值和瞬时振幅的比值，以改善筛选的终止标准。Yang还研究了如何将HHT谱分析应用于今年线性系统的模态参数识别，其中已经研究了真实模式和复杂模态以使识别结果更可靠。
2004年，Wu和Flandrin分别研究了EMD的滤波特性，得到的结果大致相似，为EMD在滤波中的应用奠定了一定的基础
2006年，陈秋辉和Norden Huang提出了一种基于B样条曲线的经验模态分解方法。
2006年，杨建文和贾敏平分析研究了HHT终点效应的成因，并提出了利用时间序列建模和预测方法扩展信号数据。在希尔伯特变换中改进甚至消除经验模态分解和最终效应的目的是优化希尔波特谱。
2008年，Rato对EMD进行了更为详细的讨论，并提出了四条指导方针，对HHT理论的后续改进具有重要意义。
2008年，金峰和阎立军在HHT和自然励磁技术的基础上结合振动台试验，确定了拱坝模型的模态参数。分析了试验过程中模态参数的变化。避免了模态分解中频率混叠的问题，提高了参数识别的准确性。
同2008年，王慧等人采用HHT方法识别悬臂结构的模态参数，将比较结果与理论值和频率细化方法，半功率带宽和功率谱方法等其他方法的结果进行比较。 证明结果是可靠的，并指出了可能影响识别结果的一些问题。
2009年，Wu和Huang开发了一种新算法EEMD，通过在信号分解过程中添加一定数量的均匀大小的白噪声成分来降低噪声对分解过程的影响。 并有效地解决了原始 EMD中的混频问题[11]。
2009年，唐宝平等人。然后采用HHT [7]技术实现简支梁的模态参数识别，从而可以更高精度地识别阻尼比。同一年，张永利将HHT与NExT相结合，实现了建筑结构的模态参数识别，所识别的参数为振动模态，刚度和质量。 这比以前的研究更深入一步，它只识别固有频率和阻尼比，具有更重要的历史意义。
2010年，耿婷婷等人提出了一种基于特征模分解原理的极端序列加密方法。 结合极值扩展方法，HHT得到了改进，改进的HHT算法可以更好地改善超调问题。 得到更为准确的信号特征。
2010年,Pai, P. Frank等人提出了瞬时频率的概念，利用定义随机一个信号的逐点瞬时幅值和非负逐点瞬时频率有效减少了噪声的影响[12]。
2011年,Pai, P. Frank等人用HHT变换方法对非线性模态时频的特点进行了分析和研究，提出动力系统多自由度非线性模态耦合的问题。
2011年，徐斌等人利用信号与包络线之间的极限差异多次拟合包络线，初步解决了跨界问题。由于假分量与原始信号之间的相关系数远小于实信号与原信号之间的相关系数，因此可以成功滤除假分量。
2012年，梁升等人将含有非普通趋势项分量、非IMF的信号先用数学形态滤波器将该分量分离出来，再对剩余的信号进行EMD分解与Hilbert谱分析，这样进行分析的效果是特别好的。
2012年，He Zhi等尝试用非等间隔灰色模型进行经验模式分解来降低断电效应，用三次Hermite样条进行差值以提高准确性，这种方法对于数据的预测非常有效。
2012年，周莉娟等人提出将HHT算法应用于背景噪声分析。 并研究了如何将HHT方法应用于连续重力站背景噪声分析[18]。
§2.1.2 瞬时频率
一直以来，我们所接触的频率都是都是具有幅度恒定的正余弦函数，这是由于我们常规接触到的傅里叶变换所定义的频率。 这样一来，提到瞬时频率大家都会将其与频率进行联系，从而觉得在进行瞬时频率的定义时至少要有一个正弦信号或者余弦信号完整的周期， 频率不能少于一个周期定义，但在非平稳非线性信号中，频率的定义就显得无从适用。 且一直以来的对于瞬时频率的定义没有一个统一的方法，所以瞬时频率也就更为的难以被人接受，直到Hilbert变换法产生后才得以改善这一状况。
Hilbert变换定义：随机给定一个时间序列,其Hilbert变换为：
（2-1）
其中的P为柯西主值，对所有的变换皆成立。所以，当形成一个共轭复数即可得一个解析信号：
（2-2）
其中：
（2-3）
综上所述，Hilber变换给出了瞬时频率的定义：
（2-4）
而在计算瞬时频率时，信号必须满足一定的清洗条件，例如，傅里叶变换的实部必须为正值。 在数据分析时，所有的条件必须在物理上可以用简单的方法得到实现。
§2.1.3 EMD算法
在对肌电信号进行HHT变换时，涉及几个算法分析，如下图所示，其中最为重要的就是EMD算法。
图2-1 信号HHT去噪流程图
EMD方法认为所有信号都可以由许多个本征模态函数即IMF组成[13]，任意一个IMF即可以是非线性的，也可以是线性的，而作为IMF分量则需要满足以下两个条件：第一是过零点数和极值点的个数最多相差一个，第二是该分量的上下包络在时间轴上是局部对称的[14]。这样以来，任意一个信号都可以被分解为几个IMF的总和[15]。分解的过程满足以下条件：
(1) 时域特性和极值间的间隔相关，由其决定；
(2) 该信号最少有一个最大值和最小值；
(3) 如果一个信号的数据序列没有任何极值，但只包含拐点，它的极值点也可以通过进行一个或多个推导来揭示。 最终结果可以通过集成这些组件来获得。 具体的方法是一个筛选的过程[21]：
① 首先找出信号s（t）的所有最大点，并使用三次样条函数将其拟合到原始数据序列的上包络：然后找到所有最小点也使用三次样条函数，并将其拟合到原始数据系列的下包络线。
② 计算上下包络的平均值，记为;从原始数据的序列中减去这个平均值得到一个新的数据序列，中去掉了中的低频信息。
③ 一般来说，仍然不是IMF分量，仍需要重复上述过程次，直到满足IMF的定义。平均值接近零，这样才是获得了第一个IMF分量。 它表示信号中最高频率的分量：
（2-5）
④ 在将从中分离出来之后，获得没有高频分量的差分信号，即有：
（2-6）
将作为原始数据，重复上述(2-1)(2-2)(2-3)步骤，即可得第二个IMF分量,重复次后就能得到个IMF分量。这样就有：
（2-7）
当或满足给定的终止条件时，循环结束。由（2-6）（2-7）可得：
（2-8）
其中，
为表示信号的平均趋势的残余函数。各个IMF分量，，分别代表不同时间尺度的信号分量，它们的尺度依次减小。因此，每个IMF [16]分量相应地包含从高到低的不同频段的分量。每个频率分量对应于不同的频带，并且随着信号本身的变化而变化。
§2.1.4 IMF分量
在我们进行数据分析时，大多数信号不是以IMF存在的，它们可能是由多个IMF组成的，在任意一个时刻都可能拥有N个振荡模式。同时，这也是希尔伯特变换不能完全给出普通信号的频率成分的原因。 因此，在对信号进行HHT分析时，需要首先进行EMD变换并分解为IMF。当物理定义瞬时频率时，需要定义的功能需要关于局部零均值对称。 而且极端点和过零点的数量必须相同，最多只有一个误差，所以在IMF的定义中黄要求：首先，数据中的极值点或过零点的数量必须相等，最多不超过一个;其次，在任何时刻局部最大和最小包络的平均值必须为零。
IMF代表了数据中的振荡模式，一个周期中只有一个本征模态的振荡，没有其他叠加波。
§2.1.5 Hilbert变换
基于EMD算法和IMF分量[17]，Huang等人提出了一种新的信号分析方法，叫做希尔伯特-黄变换，也就是我们所研究的主题HHT。其主要构成为两个部分，其一就是EMD算法，另一部分为各IMF的Hilbert谱分析方法。
首先，将信号进行EMD计算得有限个的IMF：
（2-9）
然后对每个IMF分量执行希尔伯特变换以获得每个IMF分量信号的瞬时频率：
（2-10）
上式中的为取实部的意思，其中将EMD计算中的残余函数给省略掉了。
而Hilbert谱记作：
（2-11）
指示频率和时间平面中瞬时幅度的分布。
§2.2 肌电信号
说到肌电信号，不得不提肌肉组织。许多肌细胞聚集在一起，并被结缔组织包围，形成具有丰富的毛细血管和纤维分布的肌束[18]。主要功能是收缩，它是身体和肢体运动的动力源，以及身体消化，呼吸，循环和排泄的生理过程。身体的各种运动和身体各个器官的活动都是由它来完成的。然后肌肉组织实现这些功能却离不开肌电信号。 肌电信号是怎么产生的呢？它是人体中枢神经系统中的运动神经，其负责运动以发送动作电位，然后通过神经纤维到达肌肉组织。肌肉组织在动作电位的刺激下产生兴奋便会拉伸和收缩[19]。 也可以将动作电位看做一个个小的元素，由这些元素组成的集合便是肌电信号，肌电信号包涵了人体动作的很多信息。肌电信号与肌肉活动密不可分，只有中枢产生肌电信号，人体肌肉才能产生各种肌肉活动，继而实现各种功能。
在我们对肌电信号的分析中，肌电信号可以通过使用电子仪器记录肌电活动期间产生的电势的变化来获得。EMG信号与其他信号不同之处在于它们具有某些非稳态和非线性特性。目前，我们有两种肌电信号采集方式，一种是将电极插入肌肉组织，可得到插入肌电信号。 这种肌电信号受到的干扰少，更纯净，质量更高，但具有一定的侵入性。另一种方法是使用放置在皮肤表面上的电极来获得表面EMG信号。这种方法会受到较多的干扰，例如50Hz的工频干扰，ECG干扰等，很容易造成EMG信号波形的变形，但这种方法操作简单易行。在诊所接受病人的接受比较容易，所以跟踪采集的EMG信号的处理非常重要。
目前肌电信号应用于多个领域。在仿生学领域，自用肌肉生理模型来判别肌肉动作被提出以来，电子假肢的发展速度大大加快，其研究进入一个新的领域，由以前的人为开关选择控制运动进步到了利用假肢内部的肌电采集装置，检测人体残疾的肢体表面的肌电信号，根据肌电信号开控制假肢，更加便捷和方便。在康复工程领域，生物学家和医学家们在对瘫痪肢体的康复中提出，可利用表面肌电信号提取出其特征，作为控制信号来控制功能性电对瘫痪的肢体进行刺激，帮助瘫痪肢体恢复运动功能。而且肌电信号还可作为医生治疗前和康复后的一个重要数据来观察病人，以制定合理的治疗方案和训练计划。而在运动医学领域，肌电信号也拥有重要作用，运动员相对于普通人来说运动量和训练量都特别大，肌肉时常活动，通过对运动员肌电信号的检测，及时的了解肌肉的疲劳和兴奋状态，可以制定科学合理的训练计划，也可以对运动员的身体状况进行评估。
§2.3 本章小结
本章主要对研究对象进行分析，本次设计是“基于HHT的肌电信号滤波处理”，所以本章节对希尔伯特-黄变换（HHT变换）和肌电信号进行了一定的分析介绍。在希尔伯特-黄变换中，对其定义和特点进行了介绍，还对其最重要的算法—EMD算法进行了解析和介绍；在肌电信号中，对肌电信号的特点和应用领域进行了一定的介绍。
第三章 利用HHT进行肌电信号去噪
§3.1 肌电信号加噪
本次设计基于MATLAB来设计，设计开始需要将肌电信号导入MATLAB，这里需要用到MATLAB函数“”，利用该函数将提前下载存储在计算机上的纯净肌电信号导入MATLAB[20]，利于之后的处理。
图 3-1 原始肌电信号时域波形图
上图是原始肌电信号的时域波形图，由于本人在对肌电信号采样时，采样间隔设置为1500，所以其横坐标显示范围为0—1500，而其纵坐标显示为各点电信号的数值。
图 3-2 原始肌电信号幅频曲线图
由于本设计需要基于HHT对带噪肌电信号进行去噪处理，所以在此之前需要对肌电信号添加噪声。
在这里我对肌电信号加入了50HZ的工频干扰：“”
将原始纯净的信号与噪声相加即可得到加噪后的信号：
“”
图 3-3 添加50HZ工频干扰后的肌电信号时域波形图
图 3-4 添加50HZ工频干扰后的肌电信号频谱图
图3-3是添加50HZ工频干扰后的肌电信号的时域波形图，图3-4是其频谱图，对比图3-3与图3-1可以发现，在时域上肌电信号多出许多的凸起干扰，在频域上，有两个特别明显的冲击信号，由于频谱关于某一个点对称，所以实际上该信号就是我们添加的50HZ工频干扰信号。
§3.2 肌电信号HHT去噪
在对原始肌电信号进行加噪处理之后，就该对其进行去噪处理了，用希尔伯特—黄变换（HHT）对其进行去噪处理时，需要先在MATLAB中添加一个EMD工具箱，先下载好一个EMD工具箱后将其保存到MATLAB文件夹下“”文件夹中，然后打开MATLAB软件，在菜单栏里选择选择“设置路径”，将EMD工具箱添加到路径例=里，这样在对加噪后的信号进行希尔伯特—黄变换的EMD计算时，直接在MATLAB中调用EMD即可实现该算法。即“”[21]，求得加噪信号“Y”的“IMF”分量。
首先，本人先对原始肌电信号进行了一次EMD计算，得到10个IMF分量：
图 3-5 原始肌电信号IMF
接着又对加噪后的信号进行EMD计算，得出加噪信号的各IMF分量波形[22]。
图3-6 加噪肌电信号IMF
在经过EMD计算得到IMF后，需要对各IMF进行希尔伯特变换，得到其瞬时频率。首先对原始肌电信号IMF进行希尔伯特变换：
图 3-7 原始肌电信号IMF瞬时频谱图
然后再对加噪肌电信号的IMF进行希尔伯特变换：
图 3-8 加噪肌电信号IMF瞬时频谱图
简单的对图3-6和图3-7进行对比分析看哪一个IMF分量含有噪声的话，是较为困难的，这里本人将噪声的频谱图也画出，对照上述两图进行分析：
图 3-9 噪声幅频图
结合图3-6到图3-8，对加噪肌电信号的IMF对比原始肌电信号的IMF分析后，本人将含有噪声的IMF1和IMF2给剔除掉，将剩余的IMF分量进行相加，最后得到一个信号，这个信号即我们所需要的滤除噪声后的信号[23]-[25]。
§3.3 本章小结
本章主要对本次设计的设计过程进行介绍，在下载好纯净的肌电信号后，首先将其导入MATLAB系统，再在MATLAB系统中对其进行加噪处理，然后再用希尔伯特-黄变换的方法对其进行分析、处理。最后便可得到任务要求的滤波信号。
第四章 结果分析
§4.1 仿真结果
在添加噪声的肌电信号经过EMD分解后，形成了一个一个的IMF分量，我们将噪声IMF分量去除，剩余的IMF分量相加后，便得到了去噪后的肌电信号。
图4-1 去噪后肌电信号时域波形图
图4-1便是去噪后肌电信号的时域波形图，直接观察该时域波形图可以发现，每个时刻的值都在0.5以内。将图4-1和图3-3可以发现，噪声明显减少。但将图3-1与之比较将会发现肌电信号的时域图发生了一定的变形。
图 4-2 去噪后肌电信号频谱图
上图4-2为去噪后的肌电信号频谱图，对比图4-2和图3-4可以发现，盖机电信号中的冲击信号已经被去除。
§4.2 结果分析
本设计在利用HHT进行去噪处理时，利用IMF将噪声找出，然后将含有噪声的IMF分量直接进行删除，在设计开始之初本人分析觉得HHT理想状态上是可以对噪声进行去除，但也可能会存在删除的IMF分量中含有一定的信号，这样的做法可能会造成信号的失真。是否存在如此的可能性，让我们对本次设计MATLAB仿真后的结果进行分析来看。
为了方便观察，将原始肌电信号、加噪后的肌电信号和去噪后的肌电信号的频谱图、时域图整理画到一起进行分析。
图 4-3 肌电信号加噪前后及去噪后频谱图
观察上述图4-3肌电信号加噪前后及去噪后的频谱图，原肌电信号幅值大部分集中在0—20之间，最大幅值为30；而添加噪声后，幅值最大快到150。经过希尔伯特-黄变换后，滤除了部分的IMF分量信号，可以看出“去噪后肌电信号频谱图”中最为突出部分的信号已经被去除，但仍然含有部分少量的非原始信号，且原始信号中的部分信号也被滤除。
在对图4-3进行观察分析后，可以知道信号在经过HHT处理后能明显地将噪声去除，但去除噪声效果不是特别完美，同时会滤除部分信号。
图 4-4 肌电信号加噪前后及去噪后的时域波形图
在经过对频谱的分析后，再对其时域进行分析，观察图4-4，可以很明显地看到噪声信号的减弱，这说明HHT对于噪声的去除是有一定作用的，将HHT应用于信号的去噪中的确是可行的，但同时也能观察到其缺点，不能百分百将噪声去除，且容易造成信号的失真。
最后，我们可以对肌电信号去噪前后的信噪比进行计算分析其噪声的去除效果。
通过上述所示的MATLAB程序即可计算得到去噪前后的信噪比。去噪前信噪比：SNR1=0.3612；去噪后信噪比：SNR2=0.7472
比较去噪前后信噪比大小可知，本次设计对于肌电信号的去噪是有用的，虽然他是去除了部分信号，但大部分去除的是噪声。
§4.3 本章小结
本章节对MATLAB仿真滤波后的结果进行了分析，在本次设计中，肌电信号在进行加噪去噪后，先对其时域波形图和幅频曲线图的进行分析，然后又计算去噪前后的信噪比，最后可以知道HHT在信号去噪中的应用是可行的。
结论
本次设计中，在进行MATLAB设计时，程序可以很好地实现对保存在电脑上的信号的读取，对信号进行噪声添加和对信号进行HHT分析，得出各IMF分量，再对各IMF分量进行Hilbert变换，得到其瞬时频率，通过对各IMF瞬时频率和原始信号的频率分析可以将含噪IMF分量挑选出来进行剔除。最后对剩余IMF分量进行一个信号重构就得到了一个去噪后的肌电信号。
本次设计研究分析可以发现，含噪肌电信号在经过HHT去噪处理后可以有效地去除噪声，但同时也存在一定的不足，在进行IMF分量分析挑选出含噪IMF时，被挑选出的该IMF分量同时也可能含有一定的肌电信号，所以原始肌电信号在加噪后再经过HHT去噪会一定程度上的造成信号的失真。
本次设计添加的噪声信号是50HZ的工频干扰，肌电信号本身的信号频率在10—500之间，在进行HHT去除肌电信号中的工频干扰时，将信号也去除了一部分，HHT在进行频率相差较大的信号和噪声之间的滤除效果可能会非常明显，且对于信号无影响。
参考文献
[1] 张贤达，保铮.非平稳信号分析与处理[M]，北京：国防工业出版社， 1998.10-15
[2] Norden E,Huang Zheng Shen,Steven R.Long.A new view of nonlinear water waves:The Hilbert Spectrum[J]，1999,31,417-457
[3] N.E.Huang,Z.Shen,S.R.Long,M.L.Wu,H.H.Shih,etc.The empirical mode decomposotion and HIlbert spectrum for nonlinear and non-statinary time series analysis[J],1998,454,903-995
[4] Zhaohua Wu,Norden E.Huang.A study of the characteristics of white noise using the empirical mode decomposition method[J],2004,460,1594-1611
[5] 张志涌.精通MATLAB6.5[M].北京：北京航天航空大学出版社，2003.03-05
[6] 熊伟.MATLAB在教学实践中的应用[J].新课程学习（下旬）,2011,(11):22-23.
[7] D.L.Donoho.De-noising by soft-thresholding[J]，1995,41,613-627
[8] 苗晟,王威廉,姚绍文.Hilbert-Huang变换发展历程及其应用[J]，2014,08，812-818
[9] 黄诚惕.希尔伯特_黄变换及其应用研究[D]：[毕业论文.四川：西南交通大学，2006，08-20
[10] Noeden E.Huang,Man-Li C.Wu,Steven R.Long,etc.A confidence limit for the empirical mode decomposition and Hilbert spectral analysis[J]，2003,459,2317-2345
[11] 李天云，赵研，季小丰收等.HHT方法在电力系统故障信号分析中的应用[J]，2005，6，87-91
[12] 钟佑明.希尔伯特—黄变换局瞬信号分析理论的研究[D]，[毕业论文].重庆：重庆大学，2001,10-20
[13] 王婷.EMD算法研究及其在信号去噪中的应用[D]，[毕业论文].黑龙江：哈尔滨工程大学，2010，25-40
[14] Cheng Junsheng,Yu Dejie .Yang Yu etc，Research on the intrinsic mode function (IMF) criterion in EMD method[J].2005,4,817-824
[15] A.O.Boudraa,J.C.Cexus,and Z.Saidi.EMD-Based Signal Noise Reduction[J]，2004,1,33-37
[16] 张秀峰.基于HHT的肌电信号分析方法及其在痉挛评定中的应用[D]，[毕业论文].合肥：合肥工业大学，2017，01-03,15-18
[17] 赵宝新,张保成,赵鹏飞等.EMD在非平稳随机信号消除趋势项中的研究与应用[J]，2009，05，85-87
[18] 陈成.肌电信号的处理方法及其对职业性下腰痛评估的研究[D].[毕业论文].天津：天津大学，2004，01-08
[19] 王人成，杨巍，黄昌华.肌电控制及肌电信号的分析处理[J]，1996，06，01
[20] 张红燕，李立礼，樊东红. 基于MATLAB的信号与系统教学研究[J]，2011，01，18-19
[21] 张雪梅.基于HHT的非平稳信号特征提取与参数估计方法研究[D].电子科技大学,2015,01-08
[22] 席旭刚,武昊,罗志增.基于EMD自相关的表面肌电信号消噪方法[J].仪器仪表学报,2014,(11):2494-2500.
[23] Yao Qi Wang， Xiao Peng Wang.Tao Lei etc，Pitch Detection Method Based on HHT[J]，2014，846，1111-1114
[24] Zhang Shijie，Sun Xiaoyuan，Li Chengwu etc.The Analysis of Coal or Rock Electromagnetic Radiation (EMR) Signals Based on Hilbert-Huang Transform (HHT)[J]，2011，10，689-698
[25] Helong Li,Lihua Yang,Daren Huang.The study of the intermittency test filtering character of Hilbert–Huang transform[J]，2005，01,22-3219
|
