Эмпирическое вейвлет-преобразование
Эмпирическое вейвлет-преобразование (EWT) — это метод вейвлет-декомпозиции, управляемый данными, который автоматически определяет вейвлет-базисы, адаптированные к частотному составу сигнала. Представленный Жереми Жиллем (Jérémie Gilles) в 2013 году, он преодолевает ключевое ограничение классических вейвлетов, использующих фиксированные, предопределенные базисы, путем построения пользовательских вейвлетов на основе собственного спектра сигнала. Этот адаптивный подход особенно эффективен для анализа нестационарных сигналов со сложными, многокомпонентными структурами.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- Gilles, J. (2013). Empirical wavelet transform. IEEE Transactions on Signal Processing, 61(16), 3999–4010. DOI: 10.1109/tsp.2013.2265222 ↗
- Gilles, J. (2015). Empirical wavelet transform for multiscale analysis of signals. IEEE Signal Processing Magazine, 32(6), 125–130. link ↗
- Dragomiretskiy, K., & Zosso, D. (2014). Variational mode decomposition. IEEE Transactions on Signal Processing, 62(3), 531–544. DOI: 10.1109/TSP.2013.2288675 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Empirical Wavelet Transform. ScholarGate. https://scholargate.app/ru/time-series/empirical-wavelet-transform
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Дискретное вейвлет-преобразованиеВременные ряды↔ сравнить
- Разложение эмпирических мод (EMD)Обработка сигналов↔ сравнить
- Вариационное разложение на моды (VMD)Обработка сигналов↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →