تعداد دانشجو
۶۹۶ نفر
هزینه آموزش
۱۶,۰۰۰ تومان

آموزش تجزیه سیگنال به مولفه های مود ذاتی یا Empirical Mode Decomposition

آموزش تجزیه سیگنال به مولفه های مود ذاتی یا Empirical Mode Decomposition

تعداد دانشجو
۶۹۶ نفر
مدت زمان
۴۱ دقیقه
هزینه آموزش
۱۶,۰۰۰ تومان
محتوای این آموزش
۷ بازخورد (مشاهده نظرات)
آموزش تجزیه سیگنال به مولفه های مود ذاتی یا Empirical Mode Decomposition

چکیده

در این آموزش، ابتدا مختصری در مورد روش های موجود برای تشخیص محتوای زمان-فرکانسی سیگنال ارائه شده و سپس جایگاه روش EMD در این بین مشخص می شود. در ادامه الگوریتم EMD به زبانی ساده و در چندین مرحله با مثال تصویری توضیح داده می شود. سپس یک کد در محیط MATLAB برای پیاده سازی الگوریتم EMD نوشته شده در ادامه نیز با ذکر چند مثال کاربردی مراحل کار الگوریتم شرح داده می شود. در نهایت نیز روش EMD با روش Wavelet مقایسه شده و ضعف ها و نقاط قوت هر روش مختصرا بحث می گردد.

مدرس
آرش خاصه تراش

کارشناس ارشد مهندسی مکانیک

مهندس آرش خاصه تراش کارشناس ارشد رشته مهندسی مکانیک در طراحی کاربردی هستند. پایان نامه ارشد وی در زمینه آنالیز ارتعاشات عضلات پایین تنه در دوهای طولانی مدت به منظور تشخیص خستگی و تعیین پارامترهای بهینه کفش ورزشی بوده است.

توضیحات تکمیلی

در آموزش تجزیه سیگنال به مولفه های مود ذاتی یا Empirical Mode Decomposition، ابتدا مختصری در مورد روش‌ های موجود برای تشخیص محتوای زمان-فرکانسی سیگنال ارائه شده و سپس جایگاه روش EMD در این بین مشخص می شود. در ادامه الگوریتم EMD به زبانی ساده و در چندین مرحله با مثال تصویری توضیح داده می شود. سپس یک کد در محیط MATLAB برای پیاده سازی الگوریتم EMD نوشته شده در ادامه نیز با ذکر چند مثال کاربردی مراحل کار الگوریتم شرح داده می شود. در نهایت نیز روش EMD با روش Wavelet مقایسه شده و ضعف ها و نقاط قوت هر روش مختصرا بحث می گردد.

آموزش تجزیه سیگنال به مولفه های مود ذاتی یا Empirical Mode Decomposition

مسلما بسیار پیش آمده است که بخواهیم محتویات فرکانسی یک سیگنال را بدانیم. به طور مثال میخواهیم بدانیم یک آوای موسیقی از چه فرکانس هایی تشکیل شده است، یا فرکانس حاصل از ارتعاش تیر چقدر است و البته کدام هارمونیک ها شدت بیشتری دارند و ….

تبدیل فوریه در این مواقع می تواند مورد استفاده قرار گیرد اما این تبدیل، اطلاعاتی در مورد زمان وقوع هر فرکانس مورد نظر نمی دهد. برای این منظور، و برای اینکه اطلاعات زمان-فرکانسی سیگنال را بدست آوریم، نیازمند روشی هستیم که بتواند مودهای ذاتی نهفته در سیگنال را برای ما استخراج کند. روش EMD بدین منظور ارائه شده است. در واقع روش EMD به ما می گوید در هر لحظه، کدام فرکانس و با چه شدتی در یک سیگنال موجود است. از این روش در پردازش تصویر، گفتار، ارتعاش سازه های مکانیکی، الکترومایوگرافی، الکترو انسفالوگرافی، و … می توان استفاده کرد.

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: مقدمه
    • مقدمه کوتاهی بر روش های پردازش سیگنال زمان – فرکانس
      • کلیت مبحث
      • ضرورت مبحث
      • تبدیل فوریه
      • تبدیل فوریه زمان کوتاه
      • تبدیل موجک
    • معرفی روش EMD
      • چرایی و چگونگی ایجاد این روش
      • معرفی ارائه دهندگان
    • توضیح الگوریتم روش EMD
      • مولفه مود ذاتی
      • منحنی های پوش بالا و پایین
      • تعیین معیار توقف
      • استخراج مولفه ها، ترتیب استخراج
  • درس دوم: پیاده سازی الگوریتم در محیط MATLAB
    • نوشتن یک کد ساده، سریع و قدرتمند
    • مثال کاربردی
    • قابلیت ها، ضعف ها و آخرین پیشرفت های الگوریتم
    • قابلیت ها و تفاوت عمده EMD با سایر روش ها
    • ضعف روش EMD در جداسازی فرکانسی
    • کارهای انجام شده تا سال ۲۰۱۵ برای حل ضعف های روش
    • بررسی ضعف EMD در جداسازی فرکانسی با یک مثال کاربردی
مفید برای رشته های
  • مهندسی مکانیک
  • مهندسی آکوستیک
  • مهندسی مخابرات
  • مهندسی پزشکی
  • زمین شناسی
مشاهده بیشتر مشاهده کمتر

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس

پیش نیاز

تبدیل فوریه


پیش نمایش‌ها

۱. مقدمه کوتاهی بر روش های پردازش سیگنال زمان – فرکانس، الگوریتم روش EMD

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۶ مگابایت -- (کلیک کنید +))

۲. پیاده سازی الگوریتم در محیط MATLAB

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۹ مگابایت -- (کلیک کنید +))

راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش تجزیه سیگنال به مولفه های مود ذاتی یا Empirical Mode Decomposition
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۵۳۲۴۷ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVSP9410
مدت زمان ۴۱ دقیقه
زبان فارسی
نوع آموزش آموزش ویدیویی (لینک دانلود)
حجم دانلود ۴۸ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)

آموزش‌های پیشنهادی برای شما

نظرات

تا کنون ۶۹۶ نفر از این آموزش استفاده کرده اند و ۷ نظر ثبت شده است.
علب
علب

باعرض سلام
ابتداتشکر از اموزش عالیتون ؛ سوالی که تزخدمتون دارم اینکه انواع روشهایی که ازEMD نام بردید چطکر میتوان نحوه کار EEMDرو یادگرفت نحوه کارش به چه صورتی است ممنون

امید
امید

آموزش خیلی خوبی بود و با کیفیت و خیلی کاربردی تدریس شده بود.

جواد
جواد

آیا این روش برای جداسازی چند موئلفه فرکانسی که در یک بازه زمانی همزمان اتفاق می افتد کارایی دارد؟

سعید نظامیوند چگینی
سعید نظامیوند چگینی

با سلام

ضمن عرض ادب، احترام و آرزوی توفیقات الهی برای مجموعه فرادرس، مواردی به شرح زیر در خصوص روش EMD و کد متلب متناظر با آن ارایه شده است:

1- همانطور که در اسلاید 18 آمده است، اگر شرط IMF بودن و یا معیار توقف ارضا نشود، سیگنال حاصل از مرحله چهارم به جای سیگنال اصلی جایگذاری شده و مراحل 1 تا چهار دوباره تکرار می گردد.

در فایل کد متلبی که توسط فرادرس ارایه شده است، اگرچنانچه سیگنال
h(k,:)

(خط 27 در کد متلب) شرط مزبور را (این شرط D>D0 که در حلقه While آمده است و مقدار D در دستور if در داخل این حلقه محاسبه می شود) ارضا نکند، می بایست سیگنال X را در خارج از دستور if با
h(k,:)


برابر قرار داده و عملیات حلقه while D>D0 تکرار شود.

2- خواهشمند است برای درک بیشتر، در خصوصی ارتباط بین شرط همگرایی کوشی (کسر ارایه شده در اسلاید 17) و تعریف IMF (ارایه شده در اسلاید 11) توضیحاتی آورده شود.

با تشکر.

روابط عمومی
روابط عمومی

در پاسخ به سعید نظامیوند چگینی:
با سلام؛

ضمن تشکر از مکاتبه شما و مطرح نمودن سوال تان؛ پاسخ مدرس به سوال شما در ادامه آمده است:

با تشکر از نظر جنابعالی.

در کد متلب ارائه شده، تنها زمانی که سیگنال شرط (D < D0) را ارضا کند وارد دستور if خواهد شد. لذا گام چهارم، یعنی جایگذاری سیگنال هر مرحله به جای سیگنال اولیه، به صورت اتوماتیک اجرا شده و نیازی به یک خط دیگر برای اجرای این قسمت از الگوریتم نیست. هرچند اضافه کردن یک خط به برنامه اطمینان کار را بالا خواهد برد، اما با توجه به توضیح ارائه شده ضرورتی برای این کار وجود ندارد.

در مورد کسر ارائه شده در اسلاید 17:

توجه به این نکته مهم است که الگوریتم EMD در واقع یک فرآیند غربال است. این فرآیند دو اثر عمده دارد: 1) حذف فرکانس های دیگر موجود در سیگنال از IMF مورد نظر؛ 2) هموار کردن amplitude هر IMF به طوریکه جهش ناگهانی در دامنه به وجود نیاید.

مورد اول در محاسبه فرکانس لحظه ای بسیار ضروری است. مورد دوم زمانی اهمیت پیدا می کند که امواج موجود در

پاسخ به نظر

محمد سبحان
محمد سبحان

با سلام.

در ابتدا تشکر می کنم از ارائه ی چنین بحث کاربردی.

یه سوال داشتم. اکثر اوقات ما دیتاهایی رو که داریم، دیتاهایی است که از دستگاه های داده برداری ارتعاشات یا صدا داریم و به صورت مقداری و ماتریسی هستند. اگر بخواهیم مستقیما این برنامه را بر روی آنها اجرا کنیم چنین امکانی وجود ندارد. فکر می کنم دلیلش هم اون تفریقی هست که می خواهیم از توابع داشته باشیم چرا که اطلاعات پوش به صورت فانکشن هستند ولی اطلاعات اصلی به صورت ماتریسی است. ممنون میشم اگر راه حلی جهت رفع این مشکل اعمال کنید. ممنون.

همچنین اگر تابع از رفتار سینوسی تبعیت نکنه این برنامه براش کاربردی نداره. چرا که منحنی پوش براساس پیش فرض سینوسی رسم میشه.

روابط عمومی
روابط عمومی

در پاسخ به محمد سبحان:
با سلام؛

ضمن تشکر از مکاتبه شما و مطرح نمودن سوال تان؛ پاسخ مدرس به سوال شما در ادامه آمده است:

"این مسئله مربوط به منحنی پوش نمی شود. در واقع وروردی کد نوشته شده باید به صورت یک بردار باشد. البته می توان با چند سطر کدنویسی ساده این کد را برای ماتریس های n*n نیز استفاده کرد که به دلیل اینکه در اکثر مواقع اجرای کدهای EMD برای کامپیوتر وقت گیر است، بهتر است از این روش استفاده نشود.

اما برای اطلاع، این کد را می توانید به ابتدای کد EMD اضافه نمایید و سپس یک ماتریس را به عنوان ورودی انتخاب کنبد.

function IMF=emd_for_matrix_data(X)

IMF = [];

[u,v] = size(X);

if v>u

signal = X';

else

signal = X;

end

[u,v] = size(signal);

for i=1:v

temp = emd(signal);

IMF = [IMF; temp];

end

end

نام برنامه نوشته شده را نیز به emd_for_matrix_data تغییر دهید.

و اما روش بهتر:

داده هایی که در ارتعاشات مورد استفاده قرار می گیرند (مثل داده های شتاب ضبط شده به وسیله ی ش

پاسخ به نظر


برچسب‌ها:
EMD | Empirical Mode Decomposition | آکوستیک | استخراج مؤلفه ها، ترتیب استخراج | پردازش سیگنال | پیاده سازی الگوریتم در محیط MATLAB | تبدیل فوریه | تبدیل فوریه زمان کوتاه | تبدیل موجک | تجزیه تجربی سیگنال | تجزیه فرکانسی | تعیین معیار توقف | توضیح الگوریتم روش EMD | چرایی و چگونگی ایجاد این روش | روش EMD | ضعف روش EMD در جداسازی فرکانسی | مؤلفه مود ذاتی | معرفی ارائه دهندگان | معرفی روش EMD | منحنی‌های پوش بالا و پایین | مود ذاتی
مشاهده بیشتر مشاهده کمتر