ScholarGate
Asszisztens
Machine learningTime-frequency analysis

Variational Mode Decomposition (VMD)

A Variational Mode Decomposition (VMD) egy teljesen adaptív, nem rekurzív jeldekompozíciós módszer, amelyet Konstantin Dragomiretskiy és Dominique Zosso vezetett be 2014-ben. Egy valós értékű bemeneti jelet egy diszkrét számú aljelekre, úgynevezett intrinszik módus függvényekre (IMF) bont le, amelyek mindegyike specifikus szórtsággal rendelkezik a frekvenciatartományban. Az Empirikus Módus Dekompozícióval (EMD) ellentétben a VMD a dekompozíciót egy variációs optimalizációs problémaként fogalmazza meg, amelyet az Alternáló Irányú Multiplikátor Módszer (ADMM) segítségével oldanak meg, így robusztus és fizikailag értelmezhető komponenseket eredményez.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

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

Források

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

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 2). Variational Mode Decomposition (VMD). ScholarGate. https://scholargate.app/hu/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

Hivatkozik rá

ScholarGateVariational Mode Decomposition (Variational Mode Decomposition (VMD)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/signal-processing/variational-mode-decomposition · Adatkészlet: https://doi.org/10.5281/zenodo.20539026