经验模态分解（EMD）：一种用于信号处理与时间序列分析的方法，能够把非线性、非平稳信号自适应地分解为若干个具有物理意义的振荡分量，称为本征模态函数（IMFs, Intrinsic Mode Functions），以及一个残余趋势项。常与 Hilbert-Huang Transform (HHT) 搭配使用。
/ɪmˈpɪrɪkəl moʊd ˌdiːkɑːmpəˈzɪʃən/
Empirical mode decomposition can separate a signal into several intrinsic mode functions.
经验模态分解可以把一个信号分离成若干个本征模态函数。
Because the vibration data were highly nonstationary, the researchers used empirical mode decomposition before extracting fault features.
由于振动数据高度非平稳，研究人员在提取故障特征之前先使用了经验模态分解。
该术语由三部分构成：empirical（经验的、基于观测的）强调方法的自适应与数据驱动；mode（模态）指信号中的振荡“模式/分量”；decomposition（分解）表示把复杂信号拆分为更简单的成分。作为一个整体，它在现代信号分析语境中通常特指由 N. E. Huang 等人在 1990 年代提出的 EMD 方法。
Select Language