معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Empirical Mode Decomposition

ویژگی	مقدار
سیستم عامل	-
نام فایل	emd-0.5.5
نام	emd
نسخه کتابخانه	0.5.5
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Andrew Quinn <andrew.quinn@psych.ox.ac.uk>
ایمیل نویسنده	andrew.quinn@psych.ox.ac.uk
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/emd/
مجوز	-

A python package for Empirical Mode Decomposition and related spectral analyses. Please note that this project is in active development for the moment - the API may change relatively quickly between releases! # Installation You can install the latest stable release from the PyPI repository ``` pip install emd ``` or clone and install the source code. ``` git clone https://gitlab.com/emd-dev/emd.git cd emd pip install . ``` Requirements are specified in requirements.txt. Main functionality only depends on numpy and scipy for computation and matplotlib for visualisation. # Quick Start Full documentation can be found at https://emd.readthedocs.org and development/issue tracking at gitlab.com/emd-dev/emd Import emd ```python import emd ``` Define a simulated waveform containing a non-linear wave at 5Hz and a sinusoid at 1Hz. ```python sample_rate = 1000 seconds = 10 num_samples = sample_rate*seconds import numpy as np time_vect = np.linspace(0, seconds, num_samples) freq = 5 nonlinearity_deg = .25 # change extent of deformation from sinusoidal shape [-1 to 1] nonlinearity_phi = -np.pi/4 # change left-right skew of deformation [-pi to pi] x = emd.simulate.abreu2010(freq, nonlinearity_deg, nonlinearity_phi, sample_rate, seconds) x += np.cos(2*np.pi*1*time_vect) ``` Estimate IMFs ```python imf = emd.sift.sift(x) ``` Compute instantaneous frequency, phase and amplitude using the Normalised Hilbert Transform Method. ```python IP, IF, IA = emd.spectra.frequency_transform(imf, sample_rate, 'hilbert') ``` Compute Hilbert-Huang spectrum ```python freq_range = (0, 10, 100) # 0 to 10Hz in 100 steps f, hht = emd.spectra.hilberthuang(IF, IA, freq_range, sum_time=False) ``` ``` Make a summary plot ```python import matplotlib.pyplot as plt plt.figure(figsize=(16, 8)) plt.subplot(211, frameon=False) plt.plot(time_vect, x, 'k') plt.plot(time_vect, imf[:, 0]-4, 'r') plt.plot(time_vect, imf[:, 1]-8, 'g') plt.plot(time_vect, imf[:, 2]-12, 'b') plt.xlim(time_vect[0], time_vect[-1]) plt.grid(True) plt.subplot(212) plt.pcolormesh(time_vect, f, hht, cmap='ocean_r') plt.ylabel('Frequency (Hz)') plt.xlabel('Time (secs)') plt.grid(True) plt.show() ```

نیازمندی

مقدار	نام
<1.22	numpy
-	scipy
-	matplotlib
-	pandas
>=5.1	pyyaml
-	sparse
-	joblib
-	tabulate
-	dcor
>=41.0.1	setuptools
-	pytest
-	pytest-cov
-	coverage
-	flake8
-	numpydoc
-	sphinx-gallery
-	pydata-sphinx-theme
-	myst-parser
-	ipywidgets
>=41.0.1	setuptools
-	pytest
-	pytest-cov
-	coverage
-	flake8
-	numpydoc
-	sphinx-gallery
-	pydata-sphinx-theme
-	myst-parser
-	ipywidgets

زبان مورد نیاز

مقدار	نام
>3.6	Python

نحوه نصب

نصب پکیج whl emd-0.5.5:

pip install emd-0.5.5.whl

نصب پکیج tar.gz emd-0.5.5:

pip install emd-0.5.5.tar.gz