WaveSSM：用于非平稳信号注意力的多尺度状态空间模型
机器学习
2026-02-27 v1 声音
摘要
状态空间模型（SSMs）已成为长序列建模的强大基础，HiPPO 框架表明连续时间投影算子可用于派生稳定、高效记忆的动力系统，以编码输入信号的过去历史。然而，现有的基于投影的 SSMs 常依赖具有全局时间支持的多项式基，，其归纳偏好不适用于具有局部或瞬态结构的信号。在本工作中，我们引入了基于小波框构建的 SSMs 系列。我们的关键观察是，小波框在时间维度上具有局部支持，这对于需要精确局部分析的任务非常有用。实验上，我们在相同条件下，WaveSSM 在包含瞬态动力学的真实数据集上（包括 PTB-XL 数据集上的生理信号和 Speech Commands 数据集上的原始音频）优于正交对应的 S4。
引用
@article{arxiv.2602.22266,
title = {WaveSSM: Multiscale State-Space Models for Non-stationary Signal Attention},
author = {Ruben Solozabal and Velibor Bojkovic and Hilal Alquabeh and Klea Ziu and Kentaro Inui and Martin Takac},
journal= {arXiv preprint arXiv:2602.22266},
year = {2026}
}