ScholarGate
Assistant
Machine learningTime-frequency analysis

Décomposition Modale Empirique (DME)

La Décomposition Modale Empirique (DME) est une méthode adaptative, entièrement basée sur les données, pour décomposer des séries temporelles non linéaires et non stationnaires en un ensemble fini de composantes oscillatoires appelées Fonctions Modales Intrinsèques (FMI), plus un résidu monotone. Introduite par Norden E. Huang et ses collègues de la NASA en 1998, la DME ne nécessite aucune fonction de base prédéfinie et dérive toutes les composantes directement du signal lui-même, ce qui la rend fondamentalement différente des transformées de Fourier ou en ondelettes.

Ouvrir dans MethodMindBientôtVidéoBientôtTélécharger les diapositives

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Carte des méthodes

Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.

Sources

  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

Comment citer cette page

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

Quelle méthode ?

Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.

Comparer côte à côte

Référencée par

ScholarGateEmpirical Mode Decomposition (Empirical Mode Decomposition (EMD)). Consulté le 2026-06-15 sur https://scholargate.app/fr/signal-processing/empirical-mode-decomposition · Jeu de données : https://doi.org/10.5281/zenodo.20539026