Empīriskās modes sadalījuma (EMD) metode
Empīriskās modes sadalījuma (EMD) metode ir pilnībā uz datiem balstīta, adaptīva metode nelineāru un nestacionāru laika virkņu sadalīšanai galīgā skaitā svārstību komponentu, ko sauc par iekšējām modes funkcijām (IMF), un monotona atlikuma. Ieviestā Norden E. Huang un kolēģu NASA 1998. gadā, EMD neprasa iepriekš definētas bāzes funkcijas un visas komponentes iegūst tieši no pašas signāla, padarot to fundamentāli atšķirīgu no Furjē vai viļņu transformācijām.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Empirical Mode Decomposition (EMD). ScholarGate. https://scholargate.app/lv/signal-processing/empirical-mode-decomposition
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Furjē transformācija un spektrālā analīze (FFT)Signālu apstrāde↔ salīdzināt
- Hilbert-Huang Transformacija (HHT)Signālu apstrāde↔ salīdzināt
- Variational Mode Decomposition (VMD) (Variācijas Vērtējuma Sadalījums)Signālu apstrāde↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →