同步压缩变换分析及其应用展望
信号处理
2023-12-12 v1
摘要
高分辨率时频 (TF) 分析在表征多分量信号 (MCS) 和估计振荡特性方面起着至关重要的作用。线性时频表示 (TFR)，例如经典的短时傅里叶变换 (STFT) 和连续小波变换 (CWT)，会导致受限的 TF 分辨率和在时间与频率方向上的能量扩散。同步压缩变换 (SST) 是一种强大的稀疏重分配方法，允许进行分量重构。本工作将 SST 作为 STFT 和 CWT 的扩展进行介绍，并阐述了其在锐化 TFR 和恢复瞬时分量方面的相应优势。在实际情况下评估了 SST 的有效性，包括比较基于 STFT 和 CWT 版本的合成数据，以及应用 SST 优化深度学习 (DL) 预测模型。展示了 SST 如何在提高 TFR 可读性和提高基于 DL 的预测模型准确性方面取得有希望的结果。
引用
@article{arxiv.2312.06092,
title = {Analysis of Synchrosqueezed Transforms and Application Perspectives},
author = {Rayyan Abdalla},
journal= {arXiv preprint arXiv:2312.06092},
year = {2023}
}