ScholarGate
Asszisztens
Machine learningTime-frequency analysis

Empirikus Módbontható Felbontás (EMD)

Az Empirikus Módbontható Felbontás (EMD) egy teljesen adatvezérelt, adaptív módszer nemlineáris és nem-stacionárius idősorok felbontására véges számú oszcilláló komponensre, az ún. Belső Módfunkciókra (IMF), plusz egy monoton maradékra. Norden E. Huang és munkatársai által a NASA-nál 1998-ban bevezetett EMD nem igényel előre definiált alapfüggvényeket, és minden komponenst közvetlenül a jelből származtat, ami alapvetően megkülönbözteti a Fourier- vagy hullámtranszformációktól.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDiák letöltése

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Módszertérkép

A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.

Források

  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

Hogyan hivatkozzon erre az oldalra

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

Melyik módszer?

Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.

Összehasonlítás egymás mellett

Hivatkozik rá

ScholarGateEmpirical Mode Decomposition (Empirical Mode Decomposition (EMD)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/signal-processing/empirical-mode-decomposition · Adatkészlet: https://doi.org/10.5281/zenodo.20539026