ScholarGate
Asisten
Machine learningTime-frequency analysis

Variational Mode Decomposition (VMD)

Variational Mode Decomposition (VMD) adalah metode dekomposisi sinyal yang sepenuhnya adaptif dan non-rekursif yang diperkenalkan oleh Konstantin Dragomiretskiy dan Dominique Zosso pada tahun 2014. Metode ini mendekomposisi sinyal masukan bernilai riil menjadi sejumlah sub-sinyal diskrit, yang disebut fungsi mode intrinsik (intrinsic mode functions - IMF), masing-masing dengan kekhasan (sparsity) tertentu dalam domain frekuensi. Berbeda dengan Empirical Mode Decomposition (EMD), VMD membingkai dekomposisi sebagai masalah optimasi variasi yang diselesaikan melalui Alternating Direction Method of Multipliers (ADMM), menghasilkan komponen yang kuat dan bermakna secara fisik.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

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

Sumber

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

Cara menyitasi halaman ini

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

Dirujuk oleh

ScholarGateVariational Mode Decomposition (Variational Mode Decomposition (VMD)). Diakses 2026-06-15 dari https://scholargate.app/id/signal-processing/variational-mode-decomposition · Set data: https://doi.org/10.5281/zenodo.20539026