Machine learningTime-frequency analysis

Empiryczne Rozkładanie Modów (EMD)

Empiryczne Rozkładanie Modów (EMD) to w pełni sterowana danymi, adaptacyjna metoda dekompozycji nieliniowych i niestacjonarnych szeregów czasowych na skończony zbiór składowych oscylacyjnych, zwanych Intrinsic Mode Functions (IMF), oraz monotoniczną resztę. Wprowadzona przez Nordena E. Huanga i współpracowników z NASA w 1998 roku, EMD nie wymaga predefiniowanych funkcji bazowych i wyprowadza wszystkie składowe bezpośrednio z samego sygnału, co zasadniczo odróżnia ją od transformat Fouriera czy falkowych.

Otwórz w MethodMindWkrótceWideoWkrótceDownload slides

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Method map

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

Źródła

  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

Jak cytować tę stronę

ScholarGate. (2026, June 2). Empirical Mode Decomposition (EMD). ScholarGate. https://scholargate.app/pl/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

Cytowana przez

ScholarGateEmpirical Mode Decomposition (Empirical Mode Decomposition (EMD)). Pobrano 2026-06-15 z https://scholargate.app/pl/signal-processing/empirical-mode-decomposition · Zbiór danych: https://doi.org/10.5281/zenodo.20539026