ScholarGate
Asisten
Machine learningTime-frequency analysis

Dekomposisi Mode Empiris (EMD)

Dekomposisi Mode Empiris (EMD) adalah metode yang sepenuhnya didorong oleh data dan adaptif untuk menguraikan deret waktu nonlinier dan non-stasioner menjadi sejumlah terbatas komponen osilasi yang disebut Fungsi Mode Intrinsik (IMF), ditambah residu monoton. Diperkenalkan oleh Norden E. Huang dan rekan-rekannya di NASA pada tahun 1998, EMD tidak memerlukan fungsi basis yang telah ditentukan sebelumnya dan menurunkan semua komponen langsung dari sinyal itu sendiri, menjadikannya berbeda secara fundamental dari transformasi Fourier atau wavelet.

Buka di MethodMindSegeraVideoSegeraUnduh salindia

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

Sumber

  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

Cara menyitasi halaman ini

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

Metode yang mana?

Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.

Bandingkan berdampingan

Dirujuk oleh

ScholarGateEmpirical Mode Decomposition (Empirical Mode Decomposition (EMD)). Diakses 2026-06-15 dari https://scholargate.app/id/signal-processing/empirical-mode-decomposition · Set data: https://doi.org/10.5281/zenodo.20539026