Ampirik Mod Ayrıştırması (EMD)
Empirical Mode Decomposition (EMD) · Ayrıca şöyle bilinir: EMD, Intrinsic Mode Decomposition, Adaptive Signal Decomposition, Ampirik Mod Ayrıştırma
Ampirik Mod Ayrıştırması (EMD), doğrusal olmayan ve durağan olmayan zaman serilerini, İçsel Mod Fonksiyonları (IMF) adı verilen sonlu bir salınım bileşenleri kümesine ve ayrıca monoton bir kalıntıya ayrıştırmak için tamamen veriye dayalı, uyarlanabilir bir yöntemdir. 1998 yılında NASA'dan Norden E. Huang ve meslektaşları tarafından tanıtılan EMD, önceden tanımlanmış temel fonksiyonlar gerektirmez ve tüm bileşenleri doğrudan sinyalin kendisinden türetir, bu da onu Fourier veya dalgacık dönüşümlerinden temelden farklı kılar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
EMD, Fourier tabanlı yöntemlerin durağanlık varsayımını ihlal ettiği biyomedikal kayıtlar (EEG, EKG), sismik izler, finansal zaman serileri veya mekanik titreşim verileri gibi hem doğrusal olmayan hem de durağan olmayan sinyalleri analiz ederken uygun bir seçimdir. Yöntem, doğrusallık veya durağanlık kısıtlamaları getirmez ve kullanıcı tarafından belirtilen bir temele ihtiyaç duymaz. Bununla birlikte, sinyaller benzer genlik ve frekansta bileşenler içerdiğinde mod karışımından muzdariptir ve benzersiz ayrıştırmayı garanti eden sağlam bir teorik temeli yoktur. Keskin bir şekilde tanımlanmış frekans bantlarına sahip sinyaller için Varyasyonel Mod Ayrıştırması tercih edilebilir.
Güçlü yönler & sınırlılıklar
- Tamamen uyarlanabilir: temel fonksiyonları, kullanıcı tarafından belirtilen parametreler olmaksızın doğrudan veriden türetir
- Fourier ve dalgacık varsayımlarını ihlal eden doğrusal olmayan ve durağan olmayan sinyalleri işler
- Orijinal sinyalin eksiksiz, tam bir yeniden yapılandırmasını sağlar
- Hilbert-Huang Dönüşümü aracılığıyla anlık frekans ve genlik elde etmek için Hilbert dönüşümü ile doğal olarak eşleşir
- Mod karışımı: benzer frekans veya genliğe sahip bileşenler aynı IMF'de son bulabilir veya birden fazla IMF'ye yayılabilir
- Katı bir matematiksel teori eksikliği; kanıtlanmış ortogonallik veya benzersiz ayrıştırma garantisi yok
- Uç etkileri: sinyal sınırlarına yakın kübik spline ekstrapolasyonu artefaktlar oluşturabilir
- FFT'den hesaplama açısından daha pahalıdır ve uzantılar (BEMD, MEMD) olmadan iki boyutlu veya çok değişkenli sinyallere doğrudan genelleştirilemez
SSS
EMD, dalgacık ayrıştırmasından nasıl farklıdır?
Dalgacık ayrıştırması, analist tarafından seçilen sabit, önceden tanımlanmış ana dalgacıkları kullanır, bu da analizi bu temel şekillere ve sabit ikili frekans bantlarına sınırlar. EMD tamamen veriye dayalıdır: dalga formu, anlık frekansı ve genliği sinyalin kendisine göre zamanla değişen IMF'leri çıkarır, bu da onu gerçekten doğrusal olmayan ve durağan olmayan veriler için daha esnek hale getirir. Ancak, dalgacıkların EMD'nin şu anda sahip olmadığı katı bir matematiksel çerçevesi vardır.
Mod karışımı nedir ve nasıl azaltılabilir?
Mod karışımı, bir IMF'nin çok farklı frekanslarda salınımlar içermesi veya tek bir salınım modunun birden fazla IMF'ye yayılması durumunda ortaya çıkar. Genellikle sinyal bileşenlerinin benzer genliklere sahip olması veya sinyalin aralıklı olaylar içermesi durumunda ortaya çıkar. Ensemble EMD (EEMD) ve CEEMDAN, sinyale eklenen beyaz gürültü ile uygulanan birden fazla EMD denemesinin ortalamasını alarak, örtüşen modları istatistiksel olarak ayırarak bu sorunu çözer.
EMD, çok değişkenli veya çok kanallı sinyaller için uygun mudur?
Standart EMD, tek değişkenli skaler sinyaller için tanımlanmıştır. Çok Değişkenli EMD (MEMD), birden fazla yöndeki projeksiyonları kullanarak daha yüksek boyutlu bir uzayda zarfları hesaplayarak algoritmayı çok kanallı verilere genişletir. MEMD, IMF'lerin kanallar arası hizalamasını korur, bu da onu kanallar arası frekans tutarlılığının bilimsel olarak önemli olduğu EEG, MEG veya diğer sensör dizisi kayıtları için uygun hale getirir.
Kaynaklar
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Empirical Mode Decomposition (EMD). ScholarGate. https://scholargate.app/tr/signal-processing/empirical-mode-decomposition
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Fourier Dönüşümü ve Spektral Analiz (FFT)Sinyal işleme↔ karşılaştır
- Hilbert-Huang DönüşümüSinyal işleme↔ karşılaştır
- Variational Mode Decomposition (VMD)Sinyal işleme↔ karşılaştır