Variational Mode Decomposition (VMD)
Ayrıca şöyle bilinir: VMD, Adaptive Signal Decomposition, Variational Signal Decomposition, Varyasyonel Mod Ayrıştırma
Variational Mode Decomposition (VMD), Konstantin Dragomiretskiy ve Dominique Zosso tarafından 2014 yılında tanıtılan, tamamen uyarlanabilir, özyinelemeli olmayan bir sinyal ayrıştırma yöntemidir. Gerçek değerli bir girdi sinyalini, her biri frekans alanında belirli bir seyreklik özelliğine sahip olan içsel mod fonksiyonları (IMF'ler) olarak adlandırılan ayrık sayıda alt sinyale ayrıştırır. Ampirik Mod Ayrıştırma'nın (EMD) aksine VMD, ayrıştırmayı Çözülmüş Çarpanların Ardışık Yön Yöntemi (ADMM) aracılığıyla çözülen bir varyasyonel optimizasyon problemi olarak çerçeveler ve bu da sağlam ve fiziksel olarak anlamlı bileşenler üretir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
VMD, bir sinyalin potansiyel olarak örtüşen veya durağan olmayan frekans içeriğine sahip birden fazla salınımlı bileşen içerdiği ve matematiksel olarak titiz, tekrarlanabilir bir ayrıştırmanın gerekli olduğu durumlarda uygundur. K mod sayısının önceden belirtildiğini ve her modun yaklaşık olarak bant-sınırlı olduğunu varsayar. Önceden belirlenmiş K olmadan keşifsel analiz için EMD'ye veya zaman-frekans ayrıştırması yerine zaman-ölçek ayrıştırması için dalgacık dönüşümlerine göre daha iyi performans gösterir. Alternatifler arasında önceden belirlenmiş K olmadan keşifsel analiz için EMD veya zaman-ölçek yerine zaman-frekans ayrıştırması için dalgacık dönüşümleri bulunur.
Güçlü yönler & sınırlılıklar
- Matematiksel olarak sağlam temellere dayanır: ayrıştırmayı, kanıtlanabilir yakınsama garantilerine sahip dışbükey bir varyasyonel problem olarak çerçeveler.
- EMD'nin mod karışımı ve uç etkilerinden muzdarip olmasına kıyasla gürültüye ve örnekleme düzensizliklerine karşı dayanıklıdır.
- Açıkça tanımlanmış merkez frekanslarına sahip, bant-sınırlı, fiziksel olarak yorumlanabilir içsel mod fonksiyonları üretir.
- ADMM çerçevesinde özyinelemeli değildir ve paralelleştirilebilir, bu da büyük sinyaller için verimli hesaplamayı mümkün kılar.
- Mod sayısı K'nın önceden belirtilmesini gerektirir; yanlış K, eksik veya aşırı ayrıştırmaya yol açar.
- Karesel ceza parametresi alfa ayarlanmalıdır ve çıkarılan her modun bant genişliğini etkiler.
- Modların bant-sınırlı ve dar bantlı olduğunu varsayar; geniş bantlı veya geçici bileşenlere sahip sinyallerde performansı düşük olabilir.
- Hesaplama maliyeti sinyal uzunluğu ve mod sayısıyla birlikte artar, bu da çok uzun sinyaller için gerçek zamanlı uygulamayı zorlaştırır.
SSS
VMD, Ampirik Mod Ayrıştırma'dan (EMD) nasıl farklıdır?
EMD, matematiksel bir amaç fonksiyonu olmadan sinyalleri özyinelemeli olarak ayrıştıran, onu mod karışımına yatkın ve gürültüye duyarlı hale getiren sezgisel, eleme tabanlı bir algoritmadır. Buna karşılık VMD, ayrıştırmayı ADMM aracılığıyla çözülen iyi tanımlanmış bir varyasyonel optimizasyon problemi olarak formüle eder, bu da kanıtlanabilir şekilde yakınsayan, gürültüye dayanıklı ve tekrarlanabilir bant-sınırlı modlar üretir. Ancak VMD, K'nın önceden belirtilmesini gerektirirken, EMD tamamen veriye uyarlanabilirdir.
Pratikte mod sayısı K nasıl seçilmelidir?
K genellikle önceden alan bilgisi, sinyalin spektral incelemesi veya aday değerler üzerinden yeniden yapılandırma hatası ve mod ortogonalitesini değerlendirerek sistematik arama yoluyla seçilir. Bazı çalışmalar, bilgi kriterlerini veya merkez frekansı stabilizasyon grafiklerini — K artırıldığında yeni kararlı merkez frekansları üretilmediği — pratik durdurma kuralları olarak kullanır. Tutulan sinyal bölümlerinde çapraz doğrulama da K seçimini yönlendirebilir.
VMD durağan olmayan ve çok bileşenli sinyalleri işleyebilir mi?
Evet. VMD, özellikle potansiyel olarak zamanla değişen genlik ve frekans modülasyonlarına sahip çok bileşenli sinyaller için tasarlanmıştır. Çıkarılan her mod, genlik ve frekans modüleli dar bantlı bir sinyaldir, bu da VMD'yi durağan olmayan analiz için çok uygun hale getirir. Ancak, oldukça geçici veya dürtüsel bileşenler VMD'nin bant-sınırlı mod modeli tarafından iyi yakalanamayabilir ve bu gibi durumlarda dalgacık dönüşümleri gibi tamamlayıcı yöntemler tercih edilebilir.
Kaynaklar
- Dragomiretskiy, K., & Zosso, D. (2014). Variational mode decomposition. IEEE Transactions on Signal Processing, 62(3), 531–544. DOI: 10.1109/TSP.2013.2288675 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Variational Mode Decomposition (VMD). ScholarGate. https://scholargate.app/tr/signal-processing/variational-mode-decomposition
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Ampirik Mod Ayrıştırması (EMD)Sinyal işleme↔ karşılaştır
- Fourier Dönüşümü ve Spektral Analiz (FFT)Sinyal işleme↔ karşılaştır