Abstract
An unsupervised signal analysis method for decomposing and feature extraction of complex signals. The algorithm decomposes signals iteratively by constructing modal functions.
Referance
引言
为什么需要该算法, 该算法是为了解决普通傅里叶变化无法解决的问题, 即无法得到更高的时间分辨率,无法得出准确时间点的频率成分, 所以出现了短时傅里叶变换, 短时傅里叶变换将整段信号进行加窗划分为一段一段的信号,对每一段信号进行傅里叶变化,这样我们就有了时间的概念, 但是由于短时傅里叶变化的窗长是固定的, 如果窗长设置的过短就无法分辨低频信号, 反之窗长过长高频信号的响应就会不及时 所以出现了经验模态分解和离散晓波变换这两种方法来应变时变的非稳态的数字信号.
生成信号
t = 2; % 2 s
fs = 1000; % 采样1000hz
ts = 0:1/fs:t;
sig_low2high = chirp(ts,50,2,300); %50hz 升频道300hz 时间2s
sig_high2low = chirp(ts,300,2,50); %300hz 降频道50hz 时间2s打开信号分析器
1. 导入信号
2. 设置采样率
左侧变量窗口, 右键-> 设置时间.
导入完成
从频谱图上我们很难看出他们的频率变化, 所以有了短时傅里叶变换. 
打开是频图, 就能够很清晰的看到各个时间的频率变化.
