三维稀疏随机模式分解用于交叉瞬时频率的模式分离
信号处理
2025-01-28 v1
摘要
稀疏随机模式分解（SRMD）是一种新型算法，通过构建随机时频特征空间来稀疏近似谱图，从而有效地实现模式分离。然而，它无法区分相邻或重叠的频率分量，尤其是那些具有交叉瞬时频率的分量。为此，本文提出了增强版——称为三维SRMD（3D-SRMD）。在3D-SRMD中，随机特征从二维空间提升至三维（3D）空间，通过引入一个额外的啁啾率轴。这种增强有效地分离了在低维空间中重叠的频率分量。此外，设计了一种新颖的随机特征生成策略，通过结合3D脊检测方法来提高3D-SRMD的分离精度。最后，通过在模拟信号和真实信号上的数值实验，证明了本方法的有效性。
引用
@article{arxiv.2501.15184,
title = {Three-Dimensional Sparse Random Mode Decomposition for Mode Disentangling with Crossover Instantaneous Frequencies},
author = {Chen Luo and Tao Chen and Lei Xie and Hongye Su},
journal= {arXiv preprint arXiv:2501.15184},
year = {2025}
}