Geri Dön

Mode mixing problem in empirical mode decomposition

Deneysel mod ayrıştırmasında mod karışıklığı problemi

  1. Tez No: 545460
  2. Yazar: MUHAMMED I JAITEH
  3. Danışmanlar: PROF. DR. MEHMET AKİF BAKIR
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 93

Özet

Deneysel Mod Ayrıştırması (EMD), bir çok alanda doğrusal olmayan ve durağan olmayan zaman serisi verilerini analiz etmek için özellikle son yıllarda yaygın olarak kullanılmıştır. EMD uyarlanabilir doğası gereği zaman serisi verisinin içsel (intrinsic) mod fonksiyonları salınımlarından oluştuğu varsayımı altında; EMD, doğrusal olmayan ve durağan olmayan verileri güvenilir bir şekilde analiz etmek için kaydırma işlemi (sifting process) yoluyla zaman serisini içsel mod fonksiyonlarına (IMF'ler) ayrıştırır. Oldukça gelişkin bir yöntem olmasına rağmen, EMD ile mod ayrıştırmasında mod karışımı problemi ortaya çıkabilmektedir. Bu problemin çözümüne ilişkin orijinal EMD algoritmasının uyarlanmış hali olan Ensemble Deneysel Mod Ayrıştırması (EEMD) yöntemi geliştirilmiştir. Ancak EEMD sürecinin sonunda da seriye eklenmiş olan gürültü, sinyalden tamamıyla ayrılmayarak yanlış sonuçlara yol açabilir. Böylece gürültüyü sinyalden tamamıyla ayrıştırmak için, Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN) yöntemi uygulanmaktadır. Ayrıca, sinyal hakkında önsel bilgi olmaması durumunda, bir IMF'de mod karışması probleminin var olup olmadığını herhangi bir formel yöntemde uygulamaksızın belirlemek zor ya da hemen hemen mümkün değildir. Bu nedenle, bu tezde temel hedef, EMD'nin çekirdek kavramı olan mod karışımını ele almak ve IMF'deki mod karışmasının varlığını belirleyen yöntemleri çalışmaktır.

Özet (Çeviri)

Empirical Mode Decomposition (EMD) has been broadly used to analyse nonlinear and nonstationary time series data in a wide range of fields in the recent years. Due to the adaptive nature of EMD and under the assumption that every data consist of oscillations of intrinsic mode functions; EMD decomposes nonlinear and nonstationary data into series of intrinsic mode functions (IMFs) via the sifting process in order to achieve reliable and credible analysis. Despite its sophistication, mode mixing problem occurs during the decomposition process. The issue of mode mixing is remedied by an adjusted noise assisted algorithm of the original EMD algorithm known as the Ensemble Empirical Mode Decomposition (EEMD). However, at the end of the process of EEMD, the added noise may not be entirely separated from the signal or data leading to spurious results of the analysis. Hence, the Complete Ensemble Empirical Mode Decomposition with Adaptive noise (CEEMDAN) is applied so as to completely segregate the noise from the signal. Furthermore, in the event of no prior knowledge of the signal, realisation of existence of mode mixing in an IMF without implementing any mode mixing detection test is a daunting challenge or near impossible. Therefore, in this thesis, the main focus will be on exploring the core concept of mode mixing in EMD as well as the solution to it and its methods of detection in an IMF.

Benzer Tezler

  1. Improved hilbert huang transform supported by machine learning algorithms for signal analysis

    Sinyal analizi icin makine öğrenme algoritmaları ile desteklenen geliştirilmiş hilbert huang dönüşümü

    HAMİD ERİNÇ KARATOPRAK

    Doktora

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAHİN SERHAT ŞEKER

  2. Dynamic improved complete ensemble empirical mode decomposition

    Dinamik gelişmiş tümden birleşik görgül kip ayrışımı

    SUZANNE HUSSEIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    Assist. Prof. Dr. KADİR TUFAN

  3. Yüz imgelerinden 2 boyutlu kip ayrışım yöntemleri kullanılarak duygu sezimi

    Emotion detection using 2-dimensional mode decomposition methods from facial images

    SERKAN TÜZÜN

    Doktora

    Türkçe

    Türkçe

    2024

    Bilim ve Teknolojiİstanbul Üniversitesi-Cerrahpaşa

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDIN AKAN

  4. Analysis of GNSS time series obtained from Turkish national permanent GNSS stations network-active system using Hilbert-Huang transform

    Türkiye ulusal sabit GNSS istasyonları ağı-aktif sisteminden elde edilen GNSS zaman serilerinin Hilbert Huang dönüşümü ile analiz edilmesi

    SONER ÖZDEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Jeodezi ve FotogrametriOrta Doğu Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. MAHMUT ONUR KARSLIOĞLU

  5. Çok değişkenli sinyal işleme teknikleri kullanarak eeg ile duygu durum analizi

    Emotion state analysis by using multivariate signal processing techniques via eeg signals

    PINAR ÖZEL

    Doktora

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi-Cerrahpaşa

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDIN AKAN