搜索资源列表
EMD-Toolbox
- EMD的Toolbox及使用方法 经验模态分解（Empirical Mode Decomposition, 简称EMD）是由美国NASA的黄锷博士提出的一种信号分析方法.它依据数据自身的时间尺度特征来进行信号分解, 无须预先设定任何基函数。这一点与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的差别。正是由于这样的特点, EMD 方法在理论上可以应用于任何类型的信号的分解, 因而在处理非平稳及非线性数据上, 具有非常明显的优势。所以, EMD方法一经提出就在不同的
2D-EMD
- 用于二维经验模态分解EMD分析-2D-EMD analysis
bemd
- 二维经验模态分解的一个程序，改进了插值算法。输入为图像灰度图-A program of two-dimensional empirical mode decomposition and improved interpolation algorithm. Enter the grayscale image
abbr_2f7f7e5651e11f2be621581b5056d66e
- 关于二维经验模态分解的经典程序段，图形特征提取(Bidimensional empirical module decomposition)
bemd
- 本程序主要通过二维经验模态分解计算二维信号的IMF，使用筛选的过程。它依赖于函数SIFT。(BEMD This program calculates the Bidimensional EMD of a 2-d signal using the process of sifting. It is dependent on the function SIFT.)
BEMD
- 二维经验模态分解(BEMD)是近年来新兴的一种适用于非线性、非平稳数据的自适应数据(Two-dimensional empirical mode decomposition (BEMD) is a newly developed adaptive data for non-linear and non-stationary data in recent years.)