ScholarGate
Asistents
Machine learningTime-frequency analysis

Variational Mode Decomposition (VMD) (Variācijas Vērtējuma Sadalījums)

Variational Mode Decomposition (VMD) (Variācijas Vērtējuma Sadalījums) ir pilnībā adaptīva, neraksturīga signāla sadalīšanas metode, ko 2014. gadā ieviesa Konstantins Dragomireckis un Dominiks Zoso. Tā sadala reālu ievades signālu diskrētā skaitā apakšsignālu, ko sauc par dabiskajām modes funkcijām (IMF), katrai ar specifisku sparsitāti frekvenču domēnā. Atšķirībā no Empīriskās Modes Sadalīšanas (EMD), VMD sadalīšanu formulē kā variācijas optimizācijas problēmu, kas tiek atrisināta, izmantojot Dalīto Reizinātāju Metodi (ADMM), iegūstot robustus un fiziski nozīmīgus komponentus.

Atvērt MethodMindDrīzumāVideoDrīzumāLejupielādēt slaidus

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Metožu karte

Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.

Avoti

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

Kā citēt šo lapu

ScholarGate. (2026, June 2). Variational Mode Decomposition (VMD). ScholarGate. https://scholargate.app/lv/signal-processing/variational-mode-decomposition

Kura metode?

Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.

Salīdzināt blakus

Uz to atsaucas

ScholarGateVariational Mode Decomposition (Variational Mode Decomposition (VMD)). Izgūts 2026-06-15 no https://scholargate.app/lv/signal-processing/variational-mode-decomposition · Datu kopa: https://doi.org/10.5281/zenodo.20539026