ScholarGate
Assistent
Machine learningTime-frequency analysis

Variational Mode Decomposition (VMD)

Variational Mode Decomposition (VMD) is een volledig adaptieve, niet-recursieve methode voor signaaldecompositie, geïntroduceerd door Konstantin Dragomiretskiy en Dominique Zosso in 2014. Het ontleedt een reëelwaardig ingangssignaal in een discreet aantal subsignalen, intrinsieke modusfuncties (IMFs) genaamd, elk met een specifieke spaarzaamheid in het frequentiedomein. In tegenstelling tot Empirical Mode Decomposition (EMD) kadert VMD decompositie als een variationeel optimalisatieprobleem dat wordt opgelost via de Alternating Direction Method of Multipliers (ADMM), wat resulteert in robuuste en fysisch betekenisvolle componenten.

Openen in MethodMindBinnenkortVideoBinnenkortDia's downloaden

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Methodenkaart

De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.

Bronnen

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

Deze pagina citeren

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

Welke methode?

Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.

Naast elkaar vergelijken

Geciteerd door

ScholarGateVariational Mode Decomposition (Variational Mode Decomposition (VMD)). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/signal-processing/variational-mode-decomposition · Gegevensset: https://doi.org/10.5281/zenodo.20539026