ScholarGate
Assistent
Machine learningTime-frequency analysis

Empirisk modusdekomponering (EMD)

Empirisk modusdekomponering (EMD) er en fullstendig datadrevet, adaptiv metode for å dekomponere ikke-lineære og ikke-stasjonære tidsserier til et endelig sett av oscillerende komponenter kalt intrinsiske modusfunksjoner (IMFer), pluss en monoton rest. Introdusert av Norden E. Huang og kolleger ved NASA i 1998, krever EMD ingen forhåndsdefinerte basis-funksjoner og utleder alle komponenter direkte fra selve signalet, noe som gjør den fundamentalt forskjellig fra Fourier- eller wavelet-transformasjoner.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

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

Kilder

  1. 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

Slik siterer du denne siden

ScholarGate. (2026, June 2). Empirical Mode Decomposition (EMD). ScholarGate. https://scholargate.app/no/signal-processing/empirical-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

Referert av

ScholarGateEmpirical Mode Decomposition (Empirical Mode Decomposition (EMD)). Hentet 2026-06-15 fra https://scholargate.app/no/signal-processing/empirical-mode-decomposition · Datasett: https://doi.org/10.5281/zenodo.20539026