Machine learningTime-frequency analysis
経験的モード分解 (EMD)
経験的モード分解（EMD）は、非線形かつ非定常な時系列データを、固有モード関数（IMF）と呼ばれる有限個の振動成分と単調な残差に分解するための、完全にデータ駆動型のアダプティブな手法である。1998年にNASAのNorden E. Huangとその同僚によって導入されたEMDは、事前定義された基底関数を必要とせず、すべての成分を信号自体から直接導出するため、フーリエ変換やウェーブレット変換とは根本的に異なる。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 2). Empirical Mode Decomposition (EMD). ScholarGate. https://scholargate.app/ja/signal-processing/empirical-mode-decomposition
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
並べて比較する →