Machine learningTime-frequency analysis

การสลายตัวเชิงประจักษ์ (Empirical Mode Decomposition: EMD)

การสลายตัวเชิงประจักษ์ (EMD) เป็นระเบียบวิธีที่ขับเคลื่อนด้วยข้อมูลทั้งหมดและปรับเปลี่ยนได้เอง สำหรับการแยกอนุกรมเวลาที่ไม่เป็นเชิงเส้นและไม่คงที่ออกเป็นชุดขององค์ประกอบการแกว่งแบบจำกัดที่เรียกว่าฟังก์ชันโหมดเฉพาะ (Intrinsic Mode Functions: IMFs) บวกกับส่วนที่เหลือแบบโมโนโทนิก EMD ถูกนำเสนอโดย Norden E. Huang และเพื่อนร่วมงานที่ NASA ในปี 1998 โดยไม่จำเป็นต้องมีฟังก์ชันฐานที่กำหนดไว้ล่วงหน้า และได้มาจากสัญญาณโดยตรงทั้งหมด ทำให้แตกต่างจากฟูเรียร์หรือการแปลงเวฟเล็ตโดยพื้นฐาน

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

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

แหล่งอ้างอิง

  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

วิธีอ้างอิงหน้านี้

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

ถูกอ้างอิงโดย

ScholarGateEmpirical Mode Decomposition (Empirical Mode Decomposition (EMD)). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/signal-processing/empirical-mode-decomposition · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026