文献

J-GLOBAL ID：201702252645867084   整理番号：17A1034772

オンライン経験的モード分解【Powered by NICT】

Online Empirical Mode Decomposition

著者 (3件)： Fontugne Romain (IIJ Research Lab, Tokyo, Japan) ,  Borgnat Pierre (Univ Lyon, Ens de Lyon, Univ Claude Bernard, CNRS, Laboratoire de Physique, F-69342, France) ,  Flandrin Patrick (Univ Lyon, Ens de Lyon, Univ Claude Bernard, CNRS, Laboratoire de Physique, F-69342, France)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 4306-4310  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 経験的モード分解(EMD)の成功は,非定常データを分析するためのその実用的アプローチに存在する。EMDは繰り返し全データスパンを固有モード関数(IMF)を抽出反復した。が,このアプローチは,全データセットは,新しい点である添加再考する必要があるためであるデータストリームには適していない。これを克服するために,オンラインEMD,フライにIMFを抽出するアルゴリズムを提案した。オンラインEMDの二つの重要な要素は,局所IMFを計算するために,スライディングウィンドウ,および局所IMFを付加最終結果に徐々に縫合方法である。合成データを用いて,オンラインEMDの分解品質は古典的なEMDに類似していることを示した。もデータストリームあるいは大きなデータセットを扱う場合にオンラインEMDの実用的な利点を明らかにするために実際のデータセットで得られた結果を提示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *縫合術 ,  アルゴリズム ,  品質
準シソーラス用語： スライディングウィンドウ ,  データストリーム ,  固有モード関数 ,  非定常性 ,  *経験的モード分解 ,  *オンライン , 【Automatic Indexing@JST】

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (2件)： オンライン ,  経験的モード分解