檢索結果:共2筆資料 檢索策略: ckeyword.raw="經驗模態分解法" and ckeyword.raw="經驗模態分解法" and ckeyword.raw="總體經驗模態分解法"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
對於訊號分析方面,經驗模態分解法是一個很好用的方法,它具有自適應性(Adaptive),並能夠處理非線性(Nonlinear)與非穩定(Nonstationary)的訊號,且能在時域上直接訊號拆解,…
2
傳統的麥克風陣列傅立葉近場聲全像術,透過快速傅立葉轉換(Fast Fourier Transform)能夠高效率的重建聲場,並且準確的獲得噪音源的分佈情形,但實際應用上因傅立葉轉換的特性會造成量測的…