Process / pipelineAdaptive wavelet decomposition

Empirische Wavelet-Transformation

Die empirische Wavelet-Transformation (EWT) ist eine datengesteuerte Wavelet-Zerlegungsmethode, die automatisch Wavelet-Basen definiert, die an den Frequenzgehalt des Signals angepasst sind. Eingeführt von Jérémie Gilles (2013), überwindet sie eine wesentliche Einschränkung klassischer Wavelets – die feste, vordefinierte Basen verwenden –, indem sie maßgeschneiderte Wavelets aus dem eigenen Spektrum des Signals konstruiert. Dieser adaptive Ansatz ist besonders effektiv für die Analyse nicht-stationärer Signale mit komplexen, mehrkomponentigen Strukturen.

In MethodMind öffnenDemnächstVideoDemnächstFolien herunterladen

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Methodenkarte

Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.

Empirische Wavelet-Transformation

Diskrete Wavelet-Transfo…Empirische Modenzerlegun…Variationszerlegung (VMD)CEEMDAN

Quellen

Gilles, J. (2013). Empirical wavelet transform. IEEE Transactions on Signal Processing, 61(16), 3999–4010. DOI: 10.1109/tsp.2013.2265222 ↗
Gilles, J. (2015). Empirical wavelet transform for multiscale analysis of signals. IEEE Signal Processing Magazine, 32(6), 125–130. link ↗
Dragomiretskiy, K., & Zosso, D. (2014). Variational mode decomposition. IEEE Transactions on Signal Processing, 62(3), 531–544. DOI: 10.1109/TSP.2013.2288675 ↗

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Empirical Wavelet Transform. ScholarGate. https://scholargate.app/de/time-series/empirical-wavelet-transform

Welche Methode?

Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.