基于复值移位窗口 Transformer 的频率估计
信号处理
2023-09-19 v1
摘要
估计信号中紧密间隔的频率分量是统计信号处理中的基本问题。在本信中，我们引入一维实值与复值移位窗口 (Swin) Transformer，分别称为 SwinFreq 与 CVSwinFreq，用于对一维复值信号进行线谱频率估计。尽管基于二维 Swin Transformer 的模型已在光学图像超分辨率中获得关注，我们首次引入设计用于利用信号复值特性的复值 Swin 模块，以服务于广泛应用。所提方法克服了周期图、MUSIC 与 OMP 等经典算法以及最先进深度学习方法 cResFreq 的局限。SwinFreq 与 CVSwinFreq 在低信噪比 SNR 下具有优越性能与改进的分辨能力，同时比 cResFreq 所需模型参数更少，因而更适于边缘与移动应用。我们发现实值 Swin-Freq 在若干任务上优于其复值对应 CVSwinFreq，且模型规模更小。最后，我们将所提技术应用于基于真实数据的雷达距离像超分辨率。合成与真实实验的结果验证了 SwinFreq 与 CVSwinFreq 相对于最先进基于深度学习的技术与传统频率估计算法在数值与经验上的优越性。代码与模型公开于 https://github.com/josiahwsmith10/spectral-super-resolution-swin。
引用
@article{arxiv.2309.09352,
title = {Frequency Estimation Using Complex-Valued Shifted Window Transformer},
author = {Josiah W. Smith and Murat Torlak},
journal= {arXiv preprint arXiv:2309.09352},
year = {2023}
}
备注
Submitted to IEEE Geoscience and Remote Sensing Letters