論文の概要: Serial-EMD: Fast Empirical Mode Decomposition Method for
Multi-dimensional Signals Based on Serialization
- arxiv url: http://arxiv.org/abs/2106.15319v1
- Date: Tue, 22 Jun 2021 03:56:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-04 19:46:06.644367
- Title: Serial-EMD: Fast Empirical Mode Decomposition Method for
Multi-dimensional Signals Based on Serialization
- Title(参考訳): serial-emd:シリアライズに基づく多次元信号の高速経験モード分解法
- Authors: Jin Zhang, Fan Feng, Pere Marti-Puig, Cesar F. Caiafa, Zhe Sun, Feng
Duan, Jordi Sol\'e-Casals
- Abstract要約: 経験的モード分解(EMD)は適応的、スケールベースの信号解析のための顕著なツールである。
既存の手法とその変種は、データ次元の成長と信号解析の速度をトレードオフすることは困難である。
多次元信号を1次元信号に分解する新しい信号シリアライズ手法(シリアル・EMD)を提案する。
- 参考スコア(独自算出の注目度): 7.206666825116138
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Empirical mode decomposition (EMD) has developed into a prominent tool for
adaptive, scale-based signal analysis in various fields like robotics, security
and biomedical engineering. Since the dramatic increase in amount of data puts
forward higher requirements for the capability of real-time signal analysis, it
is difficult for existing EMD and its variants to trade off the growth of data
dimension and the speed of signal analysis. In order to decompose
multi-dimensional signals at a faster speed, we present a novel
signal-serialization method (serial-EMD), which concatenates multi-variate or
multi-dimensional signals into a one-dimensional signal and uses various
one-dimensional EMD algorithms to decompose it. To verify the effects of the
proposed method, synthetic multi-variate time series, artificial 2D images with
various textures and real-world facial images are tested. Compared with
existing multi-EMD algorithms, the decomposition time becomes significantly
reduced. In addition, the results of facial recognition with Intrinsic Mode
Functions (IMFs) extracted using our method can achieve a higher accuracy than
those obtained by existing multi-EMD algorithms, which demonstrates the
superior performance of our method in terms of the quality of IMFs.
Furthermore, this method can provide a new perspective to optimize the existing
EMD algorithms, that is, transforming the structure of the input signal rather
than being constrained by developing envelope computation techniques or signal
decomposition methods. In summary, the study suggests that the serial-EMD
technique is a highly competitive and fast alternative for multi-dimensional
signal analysis.
- Abstract(参考訳): 経験的モード分解(emd)は、ロボティクス、セキュリティ、バイオメディカルエンジニアリングといった様々な分野における適応的、スケールベースの信号分析のための顕著なツールとして開発された。
データ量の劇的な増加は、リアルタイム信号解析の能力により高い要求をもたらすため、既存のEMDとその変種がデータ次元の成長と信号解析の速度をトレードオフすることは困難である。
高速に多次元信号を分解するために,多次元あるいは多次元の信号を1次元信号に結合し,様々な一次元EMDアルゴリズムを用いて分解する信号シリアライズ手法(シリアルEMD)を提案する。
提案手法の有効性を検証するため, 合成多変量時系列, 各種テクスチャと実世界の顔画像を用いた人工2D画像の検証を行った。
既存のマルチEMDアルゴリズムと比較して分解時間が大幅に短縮される。
さらに,本手法を用いて抽出した固有モード関数(IMF)を用いた顔認識の結果,既存のマルチEMDアルゴリズムよりも高い精度を達成でき,IMFの品質の観点から,本手法の優れた性能を示すことができる。
さらに,既存のEMDアルゴリズム,すなわちエンベロープ計算技術や信号分解手法の開発によって制約されるのではなく,入力信号の構造を変換する新たな視点を提供することができる。
要約すると、シリアルEMD技術は多次元信号解析の競争力が高く、高速な代替手段である。
関連論文リスト
- A Multimodal Intermediate Fusion Network with Manifold Learning for
Stress Detection [1.2430809884830318]
本稿では,多様体学習に基づく次元減少を伴う中間的マルチモーダル融合ネットワークを提案する。
マルチモーダルネットワークと単調ネットワークの異なるバリエーションについて,様々な次元削減手法を比較した。
多次元スケーリング(MDS)法による中間レベル融合は96.00%の精度で有望な結果を示した。
論文 参考訳(メタデータ) (2024-03-12T21:06:19Z) - Accelerating Diffusion Sampling with Optimized Time Steps [72.68277419028955]
拡散確率モデル(DPM)は高分解能画像合成において顕著な性能を示した。
彼らのサンプリング効率は、通常多くのサンプリングステップのため、依然として望まれている。
DPM用高次数値ODEソルバの最近の進歩により、サンプリングステップがはるかに少ない高品質な画像の生成が可能になった。
論文 参考訳(メタデータ) (2024-02-27T10:13:30Z) - DTP-Net: Learning to Reconstruct EEG signals in Time-Frequency Domain by
Multi-scale Feature Reuse [7.646218090238708]
学習可能な時間周波数変換を挟んだDTP(Densely Connected Temporal Pyramid)で構成された、DTP-Netと呼ばれる完全な畳み込みニューラルネットワークを提案する。
脳波信号は様々なアーティファクトによって容易に破壊され、疾患診断や脳-コンピュータインターフェース(BCI)などのシナリオにおいて、信号品質を改善するためにアーティファクトの除去が重要となる
2つの公開セミシミュレートされたデータセットで実施された大規模な実験は、DTP-Netの効果的なアーティファクト除去性能を示す。
論文 参考訳(メタデータ) (2023-11-27T11:09:39Z) - Dynamic Mode Decomposition for data-driven analysis and reduced-order
modelling of ExB plasmas: I. Extraction of spatiotemporally coherent patterns [3.203036813451742]
データ駆動解析とプラズマ力学の低次モデリングのための動的モード分解(DMD)アルゴリズムの一般性を評価する。
論文 参考訳(メタデータ) (2023-08-26T01:37:52Z) - Dimensionality-Varying Diffusion Process [52.52681373641533]
拡散モデルは、信号破壊プロセスを逆転して新しいデータを生成することを学習する。
信号分解による前方拡散過程の理論的一般化を行う。
FFHQで訓練された拡散モデルのFIDを,52.40から10.46までの1024Times1024$解像度で改善する。
論文 参考訳(メタデータ) (2022-11-29T09:05:55Z) - Mode decomposition-based time-varying phase synchronization for fMRI
Data [0.0]
異なる脳領域の信号間の関係を評価する一つの方法は、その位相同期(PS)を時間にわたって測定することである。
このためには、解析に必要な帯域通過フィルタのタイプとカットオフの周波数を選択する必要がある。
ここでは、この問題を回避するための様々なモード分解(MD)技術を用いた代替手法について検討する。
論文 参考訳(メタデータ) (2022-03-26T01:04:28Z) - Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。
本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
論文 参考訳(メタデータ) (2021-03-01T19:19:38Z) - LADMM-Net: An Unrolled Deep Network For Spectral Image Fusion From
Compressive Data [6.230751621285322]
ハイパースペクトル(HS)およびマルチスペクトル(MS)画像融合は、低空間分解能HS画像と低スペクトル分解能MS画像から高分解能スペクトル画像を推定することを目的とする。
本研究では,HSおよびMS圧縮測定による融合問題の解法として,アルゴリズムアンロール法に基づくディープラーニングアーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-03-01T12:04:42Z) - LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。
LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。
無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
論文 参考訳(メタデータ) (2021-02-05T04:26:05Z) - Positive Semidefinite Matrix Factorization: A Connection with Phase
Retrieval and Affine Rank Minimization [71.57324258813674]
位相探索(PR)とアフィンランク最小化(ARM)アルゴリズムに基づいてPSDMFアルゴリズムを設計可能であることを示す。
このアイデアに触発され、反復的ハードしきい値(IHT)に基づくPSDMFアルゴリズムの新たなファミリーを導入する。
論文 参考訳(メタデータ) (2020-07-24T06:10:19Z) - Lesion Mask-based Simultaneous Synthesis of Anatomic and MolecularMR
Images using a GAN [59.60954255038335]
提案するフレームワークは,ストレッチアウトアップサンプリングモジュール,ブレインアトラスエンコーダ,セグメンテーション一貫性モジュール,マルチスケールラベルワイド識別器から構成される。
実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
論文 参考訳(メタデータ) (2020-06-26T02:50:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。