ScholarGate
Pembantu
Machine learningTime-frequency analysis

Dekomposisi Mod Laluan Variasi (VMD)

Dekomposisi Mod Laluan Variasi (VMD) ialah kaedah penyahkomposisian isyarat yang amat adaptif dan tidak rekursif yang diperkenalkan oleh Konstantin Dragomiretskiy dan Dominique Zosso pada tahun 2014. Ia menyahkomposis isyarat input bernilai nyata kepada bilangan sub-isyarat diskret, yang dipanggil fungsi mod tabii (IMF), setiap satunya mempunyai kekhususan tertentu dalam domain frekuensi. Berbeza dengan Dekomposisi Mod Empirikal, VMD membingkaikan penyahkomposisian sebagai masalah pengoptimuman variasi yang diselesaikan melalui Kaedah Pengganda Hala Hala Bertukar (ADMM), menghasilkan komponen yang mantap dan bermakna secara fizikal.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

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

Sumber

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

Cara memetik halaman ini

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

Dirujuk oleh

ScholarGateVariational Mode Decomposition (Variational Mode Decomposition (VMD)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/signal-processing/variational-mode-decomposition · Set data: https://doi.org/10.5281/zenodo.20539026