ScholarGate
Асистент
Machine learningTime-frequency analysis

Емпирична модална декомпозиция (EMD)

Емпиричната модална декомпозиция (EMD) е изцяло базиран на данни, адаптивен метод за разлагане на нелинейни и нестационарни времеви редове на краен набор от осцилаторни компоненти, наречени вътрешни модални функции (IMFs), плюс монотонна остатъчна част. Въведена от Нордън Е. Хуанг и колеги в НАСА през 1998 г., EMD не изисква предварително зададени базисни функции и извлича всички компоненти директно от самия сигнал, което я прави фундаментално различна от Фурие или уейвлет трансформациите.

Отворете в MethodMindСкороВидеоСкороИзтегляне на слайдове

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Карта на методите

Обкръжението на сродните методи — изберете възел, за да го разгледате.

Източници

  1. Huang, N. E., et al. (1998). The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis. Proceedings of the Royal Society A, 454(1971), 903–995. DOI: 10.1098/rspa.1998.0193

Как да цитирате тази страница

ScholarGate. (2026, June 2). Empirical Mode Decomposition (EMD). ScholarGate. https://scholargate.app/bg/signal-processing/empirical-mode-decomposition

Кой метод?

Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.

Сравняване едно до друго

Цитиран в

ScholarGateEmpirical Mode Decomposition (Empirical Mode Decomposition (EMD)). Извлечено на 2026-06-15 от https://scholargate.app/bg/signal-processing/empirical-mode-decomposition · Набор от данни: https://doi.org/10.5281/zenodo.20539026