ScholarGate
Asistent
Machine learningTime-frequency analysis

Empirický rozklad na módů (EMD)

Empirical Mode Decomposition (EMD) je plně datově řízená, adaptivní metoda pro rozklad nelineárních a nestacionárních časových řad na konečnou množinu oscilačních komponent nazývaných Intrinsic Mode Functions (IMFs) plus monotónní reziduum. EMD, představená Nordenem E. Huangem a kolegy z NASA v roce 1998, nevyžaduje předem definované bázové funkce a všechny komponenty odvozuje přímo ze samotného signálu, což ji činí fundamentálně odlišnou od Fourierových nebo vlnkových transformací.

Otevřít v MethodMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

The neighbourhood of related methods — select a node to explore.

Zdroje

  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

Jak citovat tuto stránku

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

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Odkazuje sem

ScholarGateEmpirical Mode Decomposition (Empirical Mode Decomposition (EMD)). Získáno 2026-06-15 z https://scholargate.app/cs/signal-processing/empirical-mode-decomposition · Datová sada: https://doi.org/10.5281/zenodo.20539026