آموزش تجزیه سیگنال به مولفه های مود ذاتی یا Empirical Mode Decomposition

آموزش تجزیه سیگنال به مولفه های مود ذاتی یا Empirical Mode Decomposition

تبدیل فوریه در این مواقع می تواند مورد استفاده قرار گیرد اما این تبدیل، اطلاعاتی در مورد زمان وقوع هر فرکانس مورد نظر نمی دهد. برای این منظور، و برای اینکه اطلاعات زمان-فرکانسی سیگنال را به دست آوریم، نیازمند روشی هستیم که بتواند مودهای ذاتی نهفته در سیگنال را برای ما استخراج کند. روش EMD بدین منظور ارائه شده است. در واقع روش EMD به ما می گوید در هر لحظه، کدام فرکانس و با چه شدتی در یک سیگنال موجود است. از این روش در پردازش تصویر، گفتار، ارتعاش سازه های مکانیکی، الکترومایوگرافی، الکترو انسفالوگرافی، و … می توان استفاده کرد.

آموزش تجزیه سیگنال به مولفه های مود ذاتی یا Empirical Mode Decomposition

مسلماً بسیار پیش آمده است که بخواهیم محتویات فرکانسی یک سیگنال را بدانیم. به طور مثال می خواهیم بدانیم یک آوای موسیقی از چه فرکانس هایی تشکیل شده است، یا فرکانس حاصل از ارتعاش تیر چقدر است و البته کدام هارمونیک ها شدت بیشتری دارند و…

آموزش تجزیه سیگنال به مولفه های مود ذاتی یا Empirical Mode Decomposition

تبدیل فوریه در این مواقع می تواند مورد استفاده قرار گیرد اما این تبدیل، اطلاعاتی در مورد زمان وقوع هر فرکانس مورد نظر نمی دهد. برای این منظور، و برای اینکه اطلاعات زمان-فرکانسی سیگنال را به دست آوریم، نیازمند روشی هستیم که بتواند مودهای ذاتی نهفته در سیگنال را برای ما استخراج کند. روش EMD بدین منظور ارائه شده است. در واقع روش EMD به ما می گوید در هر لحظه، کدام فرکانس و با چه شدتی در یک سیگنال موجود است. از این روش در پردازش تصویر، گفتار، ارتعاش سازه های مکانیکی، الکترومایوگرافی، الکترو انسفالوگرافی، و … می توان استفاده کرد.

 

 

برای مشاهده جزئیات و تهیه آموزش تجزیه سیگنال به مولفه های مود ذاتی یا Empirical Mode Decomposition به این لینک (+) مراجعه نمایید.

 

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:

  • درس یکم: مقدمه کوتاهی بر روش‌های پردازش سیگنال زمان – فرکانس
    • کلیت مبحث
    • ضرورت مبحث
    • تبدیل فوریه
    • تبدیل فوریه زمان کوتاه
    • تبدیل موجک
  • درس دوم: معرفی روش EMD
    • چرایی و چگونگی ایجاد این روش
    • معرفی ارائه دهندگان
  • درس سوم: توضیح الگوریتم روش EMD
    • مؤلفه مود ذاتی
    • منحنی‌های پوش بالا و پایین
    • تعیین معیار توقف
    • استخراج مؤلفه ها، ترتیب استخراج
    • درس چهارم: پیاده سازی الگوریتم در محیط MATLAB
    • نوشتن یک کد ساده، سریع و قدرتمند
    • مثال کاربردی
  • درس پنجم: قابلیت‌ها، ضعف‌ها و آخرین پیشرفت‌های الگوریتم
    • قابلیت‌ها و تفاوت عمده EMD با سایر روش‌ ها 
    • ضعف روش EMD در جداسازی فرکانسی
    • کارهای انجام شده تا سال ۲۰۱۵ برای حل ضعف‌های روش

 

مفید برای رشته های

  • مهندسی مکانیک
  • مهندسی آکوستیک
  • مهندسی مخابرات
  • مهندسی پزشکی
  • زمین شناسی

 

پیش نیازهای علمی

  • تبدیل فوریه

 

 

برای مشاهده جزئیات و تهیه آموزش تجزیه سیگنال به مولفه های مود ذاتی یا Empirical Mode Decomposition به این لینک (+) مراجعه نمایید.

 

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *