Machine learningTime-frequency analysis

تجزیه مُد نوسانی (VMD)

تجزیه مُد نوسانی (VMD) یک روش تجزیه سیگنال کاملاً تطبیقی و غیربازگشتی است که در سال ۲۰۱۴ توسط کنستانتین دراگومیرتسکی و دومینیک زوسو معرفی شد. این روش، سیگنال ورودی حقیقی را به تعداد گسسته‌ای از زیرسیگنال‌ها به نام توابع مُد ذاتی (IMFs) تجزیه می‌کند که هر کدام دارای پراکندگی مشخصی در حوزه فرکانس هستند. برخلاف تجزیه مُد تجربی (EMD)، VMD تجزیه را به عنوان یک مسئله بهینه‌سازی متغیر مطرح می‌کند که از طریق روش ضرب‌کننده‌های جهت متناوب (ADMM) حل می‌شود و مولفه‌های قوی و معنادار فیزیکی تولید می‌کند.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

منابع

  1. Dragomiretskiy, K., & Zosso, D. (2014). Variational mode decomposition. IEEE Transactions on Signal Processing, 62(3), 531–544. DOI: 10.1109/TSP.2013.2288675

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 2). Variational Mode Decomposition (VMD). ScholarGate. https://scholargate.app/fa/signal-processing/variational-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

ارجاع‌شده در

ScholarGateVariational Mode Decomposition (Variational Mode Decomposition (VMD)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/signal-processing/variational-mode-decomposition · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026