Machine learningTime-frequency analysis
Empirical Mode Decomposition (EMD)
Empirical Mode Decomposition (EMD)는 비선형 및 비정상 시계열을 고유 모드 함수(Intrinsic Mode Functions, IMFs)라는 유한한 수의 진동 성분과 단조 잔차로 분해하는 완전 데이터 기반의 적응형 방법입니다. 1998년 NASA의 Norden E. Huang와 동료들이 소개한 EMD는 미리 정의된 기저 함수가 필요 없으며 모든 성분을 신호 자체에서 직접 추출하므로 푸리에 변환이나 웨이블릿 변환과는 근본적으로 다릅니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). Empirical Mode Decomposition (EMD). ScholarGate. https://scholargate.app/ko/signal-processing/empirical-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.
- 푸리에 변환과 스펙트럼 분석 (FFT)신호처리↔ compare
- 힐베르트-황 변환신호처리↔ compare
- Variational Mode Decomposition (VMD)신호처리↔ compare