Empirical mode decomposition (EMD),

Empirical mode decomposition (EMD), a data analysis technique, is used to denoise non-stationary and non-linear processes. The method does not require any pre & post processing of signal and use of any specified basis functions. But EMD suffers from a problem called mode mixing. So to overcome this problem a new method known as Ensemble Empirical mode decomposition (EEMD) has been introduced.

The presented paper gives the detail of EEMD and its application in various fields. EEMD is a time–space analysis method, in which the added white noise is averaged out with sufficient number of trials; and the averaging process results in only the component of the signal (original data). EEMD is a truly noise-assisted data analysis (NADA) method and represents a substantial improvement over the original EMD

ผลลัพธ์ (ไทย) 1:

โหมดผลแยกส่วนประกอบ (EMD), เทคนิคการวิเคราะห์ข้อมูล ใช้ denoise กระบวนการ เขียนไม่ใช่ และไม่ใช่เชิงเส้น วิธีการไม่จำเป็นต้องมีพื้นฐานใด ๆ และลงรายการบัญชีการประมวลผลสัญญาณและการใช้ฟังก์ชันพื้นฐานที่ระบุใด ๆ แต่ EMD suffers จากปัญหาเรียกว่าโหมดผสม เพื่อการเอาชนะปัญหานี้วิธีการใหม่ที่เรียกว่าแยกส่วนประกอบโหมดรวมวงดนตรี (EEMD) ได้รับการแนะนำ กระดาษนำเสนอให้รายละเอียดของ EEMD และการประยุกต์ในฟิลด์ต่าง ๆ EEMD คือ วิธีการวิเคราะห์เวลา – พื้นที่ ที่เสียงสีขาวเพิ่มเป็น averaged ออกพอ มีการทดลอง และกระบวนการ averaging ผลส่วนประกอบของสัญญาณ (ข้อมูลเดิม) EEMD คือ วิธีวิเคราะห์ (NADA) ข้อมูลแท้จริงเสียงช่วย และแทนการปรับปรุงที่พบผ่าน EMD เดิม

ผลลัพธ์ (ไทย) 2:

การสลายตัวโหมดเชิงประจักษ์ (EMD) เทคนิคการวิเคราะห์ข้อมูลที่จะใช้ในการ denoise กระบวนการที่ไม่หยุดนิ่งและไม่เชิงเส้น วิธีไม่จำเป็นต้องมีการประมวลผลก่อนและโพสต์ของสัญญาณและการใช้ฟังก์ชั่นพื้นฐานใด ๆ ที่ระบุ แต่เมอร์ทนทุกข์ทรมานจากปัญหาที่เรียกว่าโหมดผสม เพื่อที่จะเอาชนะปัญหานี้วิธีใหม่ที่เรียกว่าการสลายตัวทั้งมวลโหมดเชิงประจักษ์ (EEMD) ได้รับการแนะนำให้รู้จัก. กระดาษที่นำเสนอจะช่วยให้รายละเอียดของ EEMD และการประยุกต์ใช้ในด้านต่างๆ EEMD เป็นวิธีการวิเคราะห์ใช้เวลาพื้นที่ซึ่งเพิ่มเสียงสีขาวจะเฉลี่ยออกมาพร้อมกับจำนวนที่เพียงพอของการทดลอง; และผลการดำเนินการเฉลี่ยเพียงส่วนประกอบของสัญญาณ (ข้อมูลเดิม) EEMD เป็นจริงรบกวนช่วยวิเคราะห์ข้อมูล (NADA) วิธีการและแสดงให้เห็นถึงการปรับปรุงที่สำคัญกว่าเดิมเมอร์

ผลลัพธ์ (ไทย) 3:

โหมดการสลายตัวเชิงประจักษ์ ( EMD ) เป็นเทคนิคการวิเคราะห์ข้อมูล ใช้ denoise กระบวนการ non-stationary และไม่เป็นเชิงเส้น วิธีไม่ต้อง pre &โพสต์การประมวลผลของสัญญาณและการใช้ใด ๆที่ระบุพื้นฐานการทำงาน แต่ EMD ทนทุกข์ทรมานจากปัญหาที่เรียกว่าโหมดผสม เพื่อที่จะเอาชนะปัญหาวิธีใหม่ที่รู้จักกันเป็นวงดนตรีเชิงประจักษ์โหมดการสลายตัวนี้ ( eemd ) ได้รับการแนะนำ

นำเสนอกระดาษที่ให้รายละเอียดของ eemd และการประยุกต์ใช้ในสาขาต่างๆ eemd เป็นเวลา–การวิเคราะห์พื้นที่ วิธีที่เพิ่มเสียงสีขาวเป็นเฉลี่ยด้วยจำนวนที่เพียงพอของการทดลอง และกระบวนการผลเฉลี่ยเพียงส่วนประกอบของสัญญาณ ( ข้อมูลเดิม )eemd เป็นเสียงอย่างแท้จริงช่วยการวิเคราะห์ข้อมูล ( Nada ) วิธีการและหมายถึงการปรับปรุงอย่างมากกว่า EMD ต้นฉบับ