인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
The conventional analysis of temporal signals rely on techniques such as Fourier transform, wavelet analysis, Wigner- Vile distribution, and nonlinear time series analysis methods, that assume either stationarity, linearity, or both. On the other hand, the empirical mode decomposition (EMD) is an adaptive algorithm that decomposes a signal into its fundamental modes of oscillations, or intrinsic mode functions (IMF), and has been shown to produce a meaningful representation of nonlinear and nonstationary processes commonly found in fields such as physics and biology. One of the main problems of the EMD algorithm is the occurrence of end effects, i.e, if the endpoint of the signal is not the extreme point, as the algorithm is applied there appear end swings which back propagates, leading to distorted components in the estimated IMF. Here we introduce a modification to the EMD algorithm to constraint the end effect, based on the use of a Nash nonlinear grey Bernoulli model (NNGBM) to forecast the signal’s boundary. Numerical simulations show that our approach estimates all IMFs with a higher degree of accuracy than previous methods and is more stable under increases in the nonlinear and non-stationarity properties of the signals.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-ECN-0101-2017-569-002194833
