FFT-HHT

clearall;clc;%给定参数fs=1000;N=1000;n=0:N-1;t=n/fs;%构造仿真信号x=2*sin(2*pi*120*t)+(1+sin(2*pi*5*t)).*sin(2*pi*50*t+0.5*cos(2*pi*5*t));%emd分解imf=emd(x);%绘制时域波形figure,plot(t,x);xlabel('时间t/s');ylabel('幅值');title('仿真信号时域波形');%绘制FFT频谱nfft=2^nextpow2(length(t));%找出大于y的个数的最大的2的指数值ff=fs*(0:nfft/2-1)/nfft;%FFT变换后对应的频率的序列fftx=fft(x,nfft);%求FFT变换ps=fftx.*conj(fftx)/nfft;%conj()函数是求y函数的共轭复数，实数的共轭复数是他本身figure;subplot(211),plot(ff,abs(fftx(1:nfft/2))*2/nfft);ylabel('幅值');xlabel('频率');title('FFT频谱');subplot(212),plot(ff,ps(1:nfft/2));ylabel('功率谱密度');xlabel('频率');title('信号功率谱');%绘制emd分解结果plot_imf(x,t,imf);%求时频谱[A,f,t]=hhspectrum(imf(1:end-1,:));%对IMF分量求取瞬时频率与振幅：A：是每个IMF的振幅向量,f:每个IMF对应的瞬时频率，t：时间序列号%绘制瞬时包络图和瞬时频率图figure;subplot(221),plot(t/N,A(1,:));xlabel('时间t/s');ylabel('幅值');title('imf1分量瞬时包络');subplot(222),plot(t/N,f(1,:)*fs);xlabel('时间t/s');ylabel('频率');title('imf1分量瞬时频率');subplot(223),plot(t/N,A(2,:));xlabel('时间t/s');ylabel('幅值');title('imf2分量瞬时包络');subplot(224),plot(t/N,f(2,:)*fs);xlabel('时间t/s');ylabel('频率');title('imf2分量瞬时频率');%即时频图(用颜色表示第三维值的大小)和三维图（三维坐标系：时间，中心频率，振幅）[E,t,Cenf]=toimage(A,f,t,length(t));%将每个IMF信号合成求取Hilbert谱，E：对应的振幅值，Cenf：每个网格对应的中心频率这里横轴为时间，纵轴为频率%绘制Hilbert-Huang谱figure;set(gcf,'Color','w');imagesc(t/N,[0,0.5*fs],E);set(gca,'YDir','normal')colormap('jet')colorbar;xlabel('时间t/s');ylabel('频率f/Hz');axis([010200])title('Hilbert-HuangSpectrum');%画出边际谱%N=length(Cenf);%设置频率点数%完全从理论公式出发。网格化后中心频率很重要，大家从连续数据变为离散的角度去思考，相信应该很容易理解fork=1:size(E,1)bjp(k)=sum(E(k,:))*1/fs;endfigure;plot(Cenf(1,:)*fs,bjp);%作边际谱图进行求取Hilbert谱时频率已经被抽样成具有一定窗长的离散频率，所以此时的频率轴已经是中心频率xlabel('频率f/Hz');ylabel('幅值');title('边际谱');