您问题中的函数不计算希尔伯特变换。

希尔伯特变换可以在时域中实现，方法是使用一个滤波器内核对输入信号进行滤波，该滤波器内核近似于希尔伯特变换的理想内核（有 FIR 和 IIR 希尔伯特变换器的近似值），也可以在频域中实现.

频域实现的一个例子是 Matlab/Octave 函数hilbert。但请注意，此函数实际上是计算解析信号，因此希尔伯特变换是结果的虚部。

下面的 Matlab/Octave 脚本显示了希尔伯特变换的简单直接频域实现。请注意，它只使用真正的 (I) FFT。

% 计算向量 x 的希尔伯特变换

N = 长度（x）；
X = fft(x);

如果 ~rem(N,2), % N 是偶数

    n = N/2；

    % 将 DC 和 Nyquist 处的值设置为零
    X(1) = 0; X(n+1) = 0;

    % 乘以 -1i * 符号（w）
    X(2:n) = -1i * X(2:n);
    X(n+2:N) = 1i * X(n+2:N);

否则 % N 是奇数

    n = (N+1)/2;

    % 设定值在 DC 为零
    X(1) = 0;

    % 乘以 -1i * 符号（w）
    X(2:n) = -1i * X(2:n);
    X(n+1:N) = 1i * X(n+1:N);

万一

y = 真实的(ifft(X));

我不是信号处理专家，但我已将不混合概念作为一种好习惯。有一种叫做希尔伯特变换的东西，有一个解析信号。

这是我计算希尔伯特变换的方法。

• 从幅度采样值开始，等间隔采样，时域信号被放置在一个数组中$N$float类型的位置。
• 对时域阵列进行FFT，得到的频域阵列为$N$分型复杂。
• 访问每个垃圾箱位置$0$到$N-1$，将真实值复制到一个temp，将imag值复制到真实值，然后将temp复制到imag值，最后将真实值部分乘以$-1$.
• 对每个 bin 位置执行此操作（无快捷方式）。
• 对频域阵列进行逆FFT，结果是原始时域信号相移了90度。

然后可以将相移信号用于信号处理。

这是我为形成分析信号所做的工作：

• 从幅度采样值开始，等间隔采样，时域信号被放置在一个数组中$N$float类型的位置。
• 对时域阵列进行FFT，得到的频域阵列为$N$分型复杂。
• 在 location 处将real和imag的值归零bin[0]。
• 访问每个垃圾箱位置$1$到$N/2$, 其中斌$N/2$是奈奎斯特频率），并将实际值乘以$2$并将图像值乘以$2$.
• 现在访问每个 bin 位置$N/2 + 1$ 到$N-1$（数组的最后一个位置）并将每个 bin 位置的real和imag值归零；这意味着 FFT 频域阵列的“零负频率”。
• 对频域阵列进行逆FFT，得到的结果就是可以用于信号处理的解析信号。

如果您发现错误，请发表评论。