Machine learningTime-frequency analysis

Variational Mode Decomposition (VMD)

Variational Mode Decomposition (VMD)는 2014년 Konstantin Dragomiretskiy와 Dominique Zosso가 소개한 완전 적응형 비재귀 신호 분해 방법입니다. 이 방법은 입력 실수 신호를 주파수 영역에서 특정 희소성(sparsity)을 갖는 고유 모드 함수(intrinsic mode functions, IMFs)라는 이산적인 수의 부신호로 분해합니다. VMD는 경험적 모드 분해(Empirical Mode Decomposition, EMD)와 달리, 분해를 변분 최적화 문제로 정식화하고 이를 교대 방향 승법법(Alternating Direction Method of Multipliers, ADMM)을 통해 해결함으로써, 강건하고 물리적으로 의미 있는 구성 요소를 생성합니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

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

출처

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

이 페이지 인용 방법

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

이 방법을 참조하는 항목

ScholarGateVariational Mode Decomposition (Variational Mode Decomposition (VMD)). 2026-06-15에 다음에서 검색함: https://scholargate.app/ko/signal-processing/variational-mode-decomposition · 데이터셋: https://doi.org/10.5281/zenodo.20539026