ScholarGate
Асистент
Machine learningTime-frequency analysis

Empirical Mode Decomposition (EMD)

Empirical Mode Decomposition (EMD) — це повністю керований даними, адаптивний метод розкладання нелінійних та нестаціонарних часових рядів на скінченну множину коливальних компонент, що називаються внутрішніми функціями режиму (IMF), плюс монотонний залишок. Запропонований Norden E. Huang та його колегами в NASA у 1998 році, EMD не потребує попередньо визначених базисних функцій і виводить усі компоненти безпосередньо із самого сигналу, що робить його принципово відмінним від перетворень Фур'є чи вейвлетів.

Відкрити у MethodMindНезабаромВідеоНезабаромЗавантажити слайди

Читати метод повністю

Лише для учасників

Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.

Увійти

Карта методів

Околиця споріднених методів — виберіть вузол, щоб дослідити.

Джерела

  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

Як цитувати цю сторінку

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

Який метод?

Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.

Порівняти поруч

Згадується в

ScholarGateEmpirical Mode Decomposition (Empirical Mode Decomposition (EMD)). Отримано 2026-06-15 з https://scholargate.app/uk/signal-processing/empirical-mode-decomposition · Набір даних: https://doi.org/10.5281/zenodo.20539026