.png){kind=icon}
返回
Learnable Time-Frequency Transform and Ridge Separation
.png){kind=icon}
PRE
AI
DOI：10.1109/LSP.2025.3643359.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
时频分析（TFA）和非平稳信号的脊分离长期以来一直是信号处理领域的研究课题。它们相互依赖：信息丰富的时频表示（TFRs）能够实现可靠的脊估计，而准确的脊通过勾勒分量的时频（TF）轨迹来优化TFRs。然而，不确定性原理限制了TF分辨率和脊的可区分性，并且现有的脊跟踪或基于优化的方法依赖于经验调谐，在弱分量或紧密间隔分量时会性能下降，凸显了需要更稳健和统一的解决方案。本文提出了一种统一的网络，联合执行TFA和脊分离。它具有一个知识引导的短时变换模块，用于提取可区分的TF特征，并耦合一个具有可学习查询的实例分割模块，该模块与提取的TF特征交互以实现脊分离。这种知识与数据集成的框架能够实现精细粒度的TFR构建和高精度脊分离，同时消除了手动参数调谐并增强了适应性。最后，在模拟和真实数据上的实验验证了其有效性。
Keyword:
Intelligent signal processing
time-frequency analysis
ridge separation
期刊
I
IF:
3.9
论文数:
630
被引数:
0
机构
引用论文
分享收藏Selection of Empirical Mode Decomposition Techniques for Extracting Breathing Rate From PPG从PPG中提取呼吸速率的经验模式分解技术的选择
PREAI
分享收藏Frequency-chirprate synchrosqueezing-based scaling chirplet transform for wind turbine nonstationary fault feature time-frequency representation风力机非平稳故障特征时频表示的基于频率啁啾同步压缩的标度线性调频变换
PREAI
分享收藏Liu, W.; Qin, G.; Liang, Y.; Song, J.; Liu, Q.; Zhou, X. ETFIDS: An Entropy-Driven, Time-Frequency Analysis Framework for In-Vehicle CAN Signal Intrusion Detection. IEEE Internet Things J. 2025, 12, 21507–21522. [Google Scholar] [CrossRef]刘, W.; 秦, G.; 梁Y.; 宋, J.; 刘, Q.; 周, X. ETFIDS: 一种基于熵驱动、时频分析的车辆CAN信号入侵检测框架. IEEE 互联网事物杂志. 2025, 12, 21507–21522. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏
查看更多内容