ScholarGate
Assistent
Machine learningTime-frequency analysis

Empirisk moderdekomposition (EMD)

Empirisk moderdekomposition (EMD) är en helt datadriven, adaptiv metod för att dekomponera ickelinjära och ickestationära tidsserier till en ändlig mängd oscillerande komponenter kallade Intrinsic Mode Functions (IMFs), plus en monoton rest. EMD, som introducerades av Norden E. Huang och kollegor vid NASA 1998, kräver inga fördefinierade basfunktioner och härleder alla komponenter direkt från själva signalen, vilket gör den fundamentalt annorlunda från Fourier- eller vågtransformeringar.

Öppna i MethodMindSnartVideoSnartLadda ner bildspel

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Metodkarta

Närområdet av besläktade metoder — välj en nod för att utforska.

Källor

  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

Så citerar du den här sidan

ScholarGate. (2026, June 2). Empirical Mode Decomposition (EMD). ScholarGate. https://scholargate.app/sv/signal-processing/empirical-mode-decomposition

Vilken metod?

Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.

Jämför sida vid sida

Refereras av

ScholarGateEmpirical Mode Decomposition (Empirical Mode Decomposition (EMD)). Hämtad 2026-06-15 från https://scholargate.app/sv/signal-processing/empirical-mode-decomposition · Datamängd: https://doi.org/10.5281/zenodo.20539026