Muutke küpsiste eelistusi

E-raamat: Nonlinear Mode Decomposition: Theory and Applications

  • Formaat: PDF+DRM
  • Sari: Springer Theses
  • Ilmumisaeg: 19-Jun-2015
  • Kirjastus: Springer International Publishing AG
  • Keel: eng
  • ISBN-13: 9783319200163
  • Formaat - PDF+DRM
  • Hind: 110,53 €*
  • * hind on lõplik, st. muud allahindlused enam ei rakendu
  • Lisa ostukorvi
  • Lisa soovinimekirja
  • See e-raamat on mõeldud ainult isiklikuks kasutamiseks. E-raamatuid ei saa tagastada.
  • Formaat: PDF+DRM
  • Sari: Springer Theses
  • Ilmumisaeg: 19-Jun-2015
  • Kirjastus: Springer International Publishing AG
  • Keel: eng
  • ISBN-13: 9783319200163

DRM piirangud

  • Kopeerimine (copy/paste):

    ei ole lubatud

  • Printimine:

    ei ole lubatud

  • Kasutamine:

    Digitaalõiguste kaitse (DRM)
    Kirjastus on väljastanud selle e-raamatu krüpteeritud kujul, mis tähendab, et selle lugemiseks peate installeerima spetsiaalse tarkvara. Samuti peate looma endale  Adobe ID Rohkem infot siin. E-raamatut saab lugeda 1 kasutaja ning alla laadida kuni 6'de seadmesse (kõik autoriseeritud sama Adobe ID-ga).

    Vajalik tarkvara
    Mobiilsetes seadmetes (telefon või tahvelarvuti) lugemiseks peate installeerima selle tasuta rakenduse: PocketBook Reader (iOS / Android)

    PC või Mac seadmes lugemiseks peate installima Adobe Digital Editionsi (Seeon tasuta rakendus spetsiaalselt e-raamatute lugemiseks. Seda ei tohi segamini ajada Adober Reader'iga, mis tõenäoliselt on juba teie arvutisse installeeritud )

    Seda e-raamatut ei saa lugeda Amazon Kindle's. 

This work introduces a new method for analysing measured signals: nonlinear mode decomposition, or NMD. It justifies NMD mathematically, demonstrates it in several applications and explains in detail how to use it in practice. Scientists often need to be able to analyse time series data that include a complex combination of oscillatory modes of differing origin, usually contaminated by random fluctuations or noise. Furthermore, the basic oscillation frequencies of the modes may vary in time; for example, human blood flow manifests at least six characteristic frequencies, all of which wander in time. NMD allows us to separate these components from each other and from the noise, with immediate potential applications in diagnosis and prognosis. Mat Lab codes for rapid implementation are available from the author. NMD will most likely come to be used in a broad range of applications.
Introduction.- Linear Time-Frequency Analysis.- Extraction of Components from the TFR.- Nonlinear Mode Decomposition.- Examples, Applications and Related Issues.- Conclusion.