ScholarGate
Asistent
Process / pipelineEnsemble decomposition

CEEMDAN

Kompletní souborová empirická dekompozice s adaptivním šumem je vylepšená varianta empirické dekompozice, která řeší artefakty míchání módů (mode-mixing) prostřednictvím souborového zprůměrování s adaptivním šumem. Metoda CEEMDAN, představená Torresem a kolegy (2011), dekomponuje signály na vnitřní módové funkce (Intrinsic Mode Functions, IMFs) reprezentující oscilace v různých měřítkách. Metoda přidává řízený šum k vícenásobným realizacím a zprůměruje výsledky, čímž produkuje stabilnější a fyzikálně smysluplnější komponenty než standardní EMD.

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. Torres, M. E., Colominas, M. A., Schlotthauer, G., & Flandrin, P. (2011). A complete ensemble empirical mode decomposition with adaptive noise. In 2011 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) (pp. 4144–4147). DOI: 10.1109/ICASSP.2011.5947265
  2. Colominas, M. A., Schlotthauer, G., & Torres, M. E. (2014). Improved complete ensemble empirical mode decomposition with adaptive noise. IEEE Transactions on Signal Processing, 63(6), 1408–1413. link
  3. 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 of London A, 454(1971), 903–995. DOI: 10.1098/rspa.1998.0193

Jak citovat tuto stránku

ScholarGate. (2026, June 3). Complete Ensemble Empirical Mode Decomposition with Adaptive Noise. ScholarGate. https://scholargate.app/cs/time-series/ceemdan

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
ScholarGateCEEMDAN (Complete Ensemble Empirical Mode Decomposition with Adaptive Noise). Získáno 2026-06-15 z https://scholargate.app/cs/time-series/ceemdan · Datová sada: https://doi.org/10.5281/zenodo.20539026