基础扩展时频分析

无论是傅里叶级数小波分析,或是其他的基础,在单个基础上的线性扩展都是不足的。傅立叶基础在时域上提供了很弱的表现,小波不能很好地适应于具有窄高频的傅立叶转换。在这两种情况下,都很难从其扩展系数中侦测和识别出信号的模样,因为讯号在整个基础上是被稀释。因此,我们必须用大量的傅立叶基础或是小波来表示具有些微误差的整个讯号。在参考文献中提出了一些匹配追踪算法,已在给定基础量时使误差最小化。

特性

傅里叶级数

 

 

在部分的时频分析也是意图要将讯号表示成如下的型态

 

其中,  

并且要求在M固定的情况下,将会最小化近似误差

 

  一般化,不同的 basis 之间不只是有频率的差异

范例

Three-parameter atoms

 

 

当    不是正交,  应该被匹配追求过程来决定

三个参数如下:

  控制时间轴上的中心位置

  控制频率轴上的中心位置

  控制缩放的因子

Four-parameter atoms (线调频小波 chirplet)

 

 

四个参数如下:

  控制时间轴上的中心位置

  控制频率轴上的中心位置

  控制缩放的因子

  控制啁啾率

在不同的基础的短时距傅立叶转换

 

长球波函数(PSWF)

 

参考文献

  • S. G. Mallat and Z. Zhang, “Matching pursuits with time-frequency dictionaries,” IEEE Trans. Signal Processing, vol. 41, no. 12, pp. 3397–3415, Dec. 1993.
  • A. Bultan, “A four-parameter atomic decomposition of chirplets,” IEEE Trans. Signal Processing, vol. 47, no. 3, pp. 731–745, Mar. 1999.
  • C. Capus, and K. Brown. "Short-time fractional Fourier methods for the time-frequency representation of chirp signals," J. Acoust. Soc. Am. vol. 113, issue 6, pp. 3253–3263, 2003.
  • Jian-Jiun Ding, Time frequency analysis and wavelet transform class note, Department of Electrical Engineering, National Taiwan University (NTU), Taipei, Taiwan, 2016.
  • Jian-Jiun Ding, Time frequency analysis and wavelet transform class notes, Graduate Institute of Communication Engineering, National Taiwan University (NTU), Taipei, Taiwan, 2017.