Localized Kernel Methods for Signal Processing
本文提出两种基于局部化核的信号处理方法,分别用于噪声下多维指数参数估计和线性啁啾分离,无需子空间分解或稀疏正则化,实验证明在低信噪比下优于经典算法。
2025-08-07 eess.SP
Windowed Fourier Analysis for Signal Processing on Graph Bundles
我们考虑的任务表示支持的信号图束,这是广义的产品图,允许“扭曲”的产品结构。利用图束的局部产品结构,我们演示了如何在基图上使用一个合适的单位分割来将图上的信号提升到一个可以很容易地应用产品因子分解的空间中。出于这个过程的局部性,我们证明,基地的信号空间的组件的图形束可以以同样的方式解除,产生的信号空间的总图的基础。我们证明了这一建设的合成图,以及与立体化学中的构象流形的能量景观的分析。
2023-02-11 eess.SP stat.ML
Optimal Fractional Fourier Filtering in Time-vertex Graphs signal processing
图形信号处理是处理非规则域数据的有效工具。最优图滤波器能够从失真和噪声中恢复出原始信号,是广义高斯过程中的关键技术之一。然而,目前的研究大多集中在静态图形信号和普通的空间/时间或频率域。时变图形信号具有很强的捕捉真实世界数据特征的能力,而分数阶域可以为信号和噪声的分离提供更合适的空间。在本文中,最佳的时间顶点图滤波器及其Wiener-Hopf方程,开发使用的产品图框架。利用图的分数拉普拉斯算子和图的分数傅里叶变换,得到了分数域上的最优时间-顶点图滤波器。在真实世界数据集上的数值模拟将证明分数域中的最优时间-顶点图滤波器优于普通域中的最优时间-顶点图滤波器和分数域中的最优静态图滤波器。
2022-01-12 eess.SP math.SP
Fourier, Gabor, Morlet or Wigner: Comparison of Time-Frequency Transforms
在数字信号处理中,时频变换用于分析时变信号相对于其随时间的频谱内容。除了常用的短时傅里叶变换外,文献中还存在其他方法,例如小波变换、Stockwell变换或Wigner-Ville变换。因此,从事数字信号处理任务的工程师经常面临这样的问题:哪种变换适合于特定的应用。为了解决这个问题,本文首先简要介绍了不同的转换。然后将它们与时间和频率上可实现的分辨率以及可能的伪影进行比较。最后,本文包含了来自不同应用领域的众多信号的时频表示的图库,以进行视觉比较。
2021-01-17 eess.SP
Multi-dimensional graph fractional Fourier transform and its application
现实世界中存在着许多多维信号,例如具有空间和时间维度的数字图像和数据。如何正确地表示这些多维信号的频谱是图信号处理领域的一个关键挑战。本文研究了笛卡尔积图上的多维信号的新变换,并研究了相关性质。我们的工作包括:(i)定义了基于Laplacian矩阵和邻接矩阵的多维图分数傅里叶变换(MGFRFT);(ii)探讨了MGFRFT在处理多维信号时在频谱和计算时间方面的优势;(iii)将所提出的变换应用于数据压缩,以突出其实用性和有效性。
2021-08-28 eess.SP
Graph Signal Processing: Vertex Multiplication
在经典信号处理的欧几里德域上,将信号样本链接到底层坐标结构是直接的。虽然图邻接矩阵完全定义了底层图顶点之间的定量关联,但图信号处理中的主要问题是缺乏顶点与底层定量坐标结构的显式关联。为了使这个链接,我们提出了一个操作,称为顶点乘法,这是为图形定义的,可以对图形信号进行操作。顶点乘法是对时间序列信号中坐标乘法运算的推广,它可以被解释为一种为图指定坐标结构的运算符。利用微分的图域扩张和图傅里叶变换(GFT),定义了顶点乘,使其具有傅里叶对偶性,即微分和坐标乘运算在傅里叶变换下是相互独立的.所提出的定义减少到坐标乘法对应的时间序列的图形。最后给出了数值算例。
2020-07-09 eess.SP
A Selection of Distributions and Their Fourier Transforms with Applications in Magnetic Resonance Imaging
本文以数学视角严谨介绍MRI中常见分布及其傅里叶变换,明确拓扑空间与定义,涵盖泊松求和公式及高斯函数变换,并力求自成体系。
2025-06-23 eess.IV eess.SP math.FA
Analog fast Fourier transforms for scalable and efficient signal processing
Sandia National Laboratories(桑迪亚国家实验室);Infineon Technologies(英飞凌科技);Arizona State University(亚利桑那州立大学)
提出将快速傅里叶变换(FFT)映射到模拟内存计算系统,实现大规模高效傅里叶变换,实验演示了65,536点模拟DFT,比先前模拟DFT大500倍以上。
2026-06-25 cs.ET eess.SP
Toward Mixed Analog-Digital Quantum Signal Processing: Quantum AD/DA Conversion and the Fourier Transform
Yale University(耶鲁大学);Brookhaven National Laboratory(布鲁克海文国家实验室)
本文提出混合模数量子信号处理新范式,实现量子态在DV与CV系统间的模数转换,并据此在CV-DV硬件上实现量子傅里叶变换,推动混合量子计算发展。
2025-05-16 eess.SP quant-ph
Abstract message passing and distributed graph signal processing
图信号处理是处理图结构化数据的框架。其基本概念是图形移位算子,从而产生了图形傅里叶变换。虽然图形傅里叶变换是一个集中式过程,但需要分布式图形信号处理算法来解决诸如可扩展性和隐私等挑战。在本文中,我们开发了一个理论的分布式图信号处理的消息传递的经典概念的基础上。然而,我们概括了消息的定义,以允许更抽象的数学对象。该框架提供了一种替代的观点,避免了现有的分布式图信号处理方法的迭代性质。此外,我们的框架有利于研究理论问题,如分布式问题的解决方案。
2022-06-09 cs.DC eess.SP
Introducing Hypergraph Signal Processing: Theoretical Foundation and Practical Applications
图上的信号处理在处理结构化数据方面引起了广泛的关注。然而,正常图仅对节点之间的成对关系进行建模,并且不能有效地表示和捕获数据样本的一些高阶关系,这在诸如物联网(IoT)的许多应用中是常见的。在这项工作中,我们提出了一个新的超图信号处理(HGSP)的张量表示的基础上推广传统的图信号处理(GSP),以解决高阶相互作用的框架。我们介绍了HGSP的核心概念,定义了超图傅立叶空间。然后,我们研究了超图傅里叶变换的频谱特性,并解释了它与主流数字信号处理的联系。我们推导了超图采样理论,并提出了基于张量框架的超图滤波器设计的基本原理。我们提出了几个信号处理和数据分析应用的HGSP为基础的方法。我们的实验结果表明,显着的性能改善,使用我们的HGSP框架在一些传统的信号处理解决方案。
2020-06-04 eess.SP
Cosine series quantum sampling method with applications in signal and image processing
提出了一种新的适用于量子计算的余弦级数量子采样(QCoSamp)算子族。量子算法的发展,类似于经典算法,我们将其应用于信号的谐波分析。我们通过量子系统的测量显示量子采样,并且在应用该家族的算子之后,允许用傅立叶级数表示进行输入信号映射。所采用的技术方法,促进每个QCoSamp算法的量子计算机和应用程序的信号和图像处理领域的实施,我们也描述了。保留字:量子计算,量子信息理论,量子算符,量子采样,傅立叶正余弦级数,信号处理,图像处理
2020-11-25 eess.SP quant-ph
Optimality of the Discrete Fourier Transform for Beamspace Massive MU-MIMO Communication
波束空间处理是一种新兴技术,用于降低在毫米波(mmWave)和太赫兹频率下操作的大规模多用户(MU)多输入多输出(MIMO)通信系统中的基带复杂度。在这样的高频下波传播的高方向性确保了在用户设备和基站(BS)之间仅存在少量的传输路径。为了解决波传播的稀疏性质,波束空间处理传统上计算BS处的均匀线性天线阵列上的空间离散傅里叶变换(DFT),其中每个DFT输出与特定波束相关联。在本文中,我们研究的DFT的最优性条件的稀疏波束空间处理与理想的毫米波信道模型和现实的渠道。为此,我们提出了两个算法,学习酉波束空间变换使用$\ell^4$范数为基础的稀疏性措施,我们调查其最优性理论和模拟。
2021-07-14 cs.IT eess.SP math.IT
SVD-Based Graph Fractional Fourier Transform on Directed Graphs and Its Application
Nanchang University(南昌大学)
本文提出两种基于奇异值分解的二维图分数傅里叶变换,用于处理有向产品图上的多维信号,并探讨其去噪能力,建立了多维图信号处理的分数域分析框架。
2026-06-29 eess.SP
Decimation analysis in the signal processing of current to detect broken bars in induction machine
本文采用数字信号处理中的时间抽取技术,对异步电动机电流信号的采样频率进行了降低。利用快速傅里叶变换得到断棒故障信号的频谱。结果表明,抽取技术如何显著减少运算次数和计算快速傅里叶变换所需的时间,而不丢失信息。该方法为基于幅度信号调制特性的嵌入式系统故障诊断提供了更好的性能。
2018-07-28 eess.SP
Digraph Signal Processing with Generalized Boundary Conditions
有向图(有向图)上的信号处理是有问题的,因为图移位以及因此相关联的滤波器通常是不可对角化的。此外,在这种情况下的傅里叶变换现在是从约旦分解获得的,约旦分解对于大型图可能根本不可计算。我们提出了一个新的和一般的解决方案,这个问题的基础上矩阵扰动理论:我们设计了一个算法,增加了少量的边缘到一个给定的有向图破坏非平凡的约旦块。然后得到的有向图是可对角化的,并产生,如我们所示,一个近似的特征基和傅里叶变换的原始有向图。我们解释了为什么以及如何将这种构造视为广义形式的边界条件,这是信号处理中的一种常见做法。我们对随机和真实世界图形的实验表明,我们可以扩展到具有几千个节点的图形,并获得接近正交的傅里叶变换,同时仍然对角化卷积的直观概念。我们的方法与邻接和拉普拉斯移位一起工作,并且可以用作预处理步骤以实现进一步处理,正如我们用原型维纳滤波器应用所示的那样。
2021-02-08 cs.DM eess.SP
Morlet wavelet transform using attenuated sliding Fourier transform and kernel integral for graphic processing unit
针对大标准差下Morlet小波变换计算耗时长的问题,提出基于SFT、ASFT与GPU核积分的两类快速计算方法,当GPU核心数足够时计算时间仅与平滑尺寸对数相关,较传统方法提速超400倍。
2024-06-24 cs.DC eess.SP
Gradients of Connectivity as Graph Fourier Bases of Brain Activity
应用图论对大脑的复杂结构和功能进行建模,为大脑的组织和功能提供了新的视角,促进了网络神经科学的出现。尽管在这一领域已经取得了巨大的进展,仍然相对较少的方法利用大脑网络的拓扑结构来分析大脑活动。最近在这个方向上的尝试已经利用图形频谱分析和图形信号处理来以连通性本征模式或梯度分解大脑活动。如果结果在可解释性和功能相关性方面是有希望的,那么方法和术语有时会令人困惑。本文件的目的是双重的。首先,我们总结了最近的贡献,连接梯度和图形信号处理,并试图澄清该领域使用的术语和方法,同时指出目前的方法局限性。第二,我们讨论的角度,连接梯度的功能相关性,可以卓有成效地利用考虑他们的大脑活动的图形傅立叶基地。
2020-09-26 eess.SP
Fast Graph Fourier Transforms Based on Graph Symmetry and Bipartition
图傅里叶变换(GFT)是图信号处理的重要工具,其应用范围从基于图的图像处理到谱聚类。然而,与离散傅里叶变换不同,GFT通常不具有快速算法。在这项工作中,我们开发了新的方法来加速GFT计算。特别是,我们表明,Haar单位(Givens旋转角度$π/4$)可以用来减少GFT计算成本时,图是二分的或满足一定的对称性的基础上节点配对。我们还提出了一种基于图拓扑对称性的图分解方法,它允许我们分阶段识别和利用蝴蝶结构。这种方法对于几乎规则或具有某些特定结构的图特别有用,例如,线图、循环图、网格图和人体骨骼图。虽然基于图形拓扑对称的蝶形阶段不能用于一般图形,但它们在包括视频压缩和人体动作分析的应用中是有用的,其中使用对称图形,例如对称线图和人体骨架图。我们提出的快速GFT实现显着降低计算成本,在操作和经验运行时间的数量。
2019-07-18 eess.SP
Joint Time-Vertex Fractional Fourier Transform
本文提出联合时间-顶点分数阶傅里叶变换JFRT,将JFT推广到时间与顶点双域分数阶分析,并结合Tikhonov正则化实现去噪,实验证明其去噪和聚类性能优于现有方法。
2025-02-20 cs.SI eess.SP
6DCNN with roto-translational convolution filters for volumetric data processing
Univ. Grenoble Alpes(格勒诺布尔阿尔卑斯大学);CNRS(法国国家科学研究中心);Grenoble INP(格勒诺布尔国立理工学院)
在这项工作中,我们介绍了6D卷积神经网络(6DCNN),旨在解决处理三维体积数据时检测局部模式的相对位置和方向的问题。6DCNN还包括在傅立叶空间中构造的SE(3)-等变消息传递和非线性激活操作。在傅立叶空间中工作可以显著降低我们操作的计算复杂度。我们证明了6D卷积的性质及其在空间模式识别中的效率。我们还评估了来自最近CASP蛋白质结构预测挑战的几个数据集上的6DCNN模型。在这里,6DCNN在基线架构上进行了改进,并且也优于最先进的技术。
2021-07-30 cs.LG eess.SP q-bio.QM
Simulating the DFT Algorithm for Audio Processing
Ahmedabad University(艾哈迈达巴德大学)
自从数字计算机的发展以来,数据的存储一直是以可以存储1或0值的离散位来表示的。因此,所有的计算机程序(如MATLAB)都可以将任何输入的连续信号转换为离散数据集。将其应用于振荡信号(如音频),为处理和编辑打开了一个领域。用于信号处理的傅里叶变换是离散的,它是无限极限上的积分。傅里叶变换的本质特征是将任何信号分解成易于处理的多个正弦波的组合。离散傅里叶变换(DFT)可以表示为矩阵,其中每个数据点充当正交点,允许对各个频率执行复杂的变换。由于这个公式,线性代数和线性变换的所有概念在这里都被证明是非常有用的。在本文中,我们首先解释了使用线性代数的音频处理的理论基础,然后专注于在MATLAB中进行仿真编码,以处理和编辑各种音频样本。该代码是开放式的,易于扩展,只需定义可以转换原始音频信号的新矩阵。最后,本文试图强调并简要解释从模拟中出现的结果
2021-04-29 cs.SD eess.AS eess.SP
Vertex-Frequency Graph Signal Processing: A review
图形信号处理处理在不规则图形域上观察到的信号。虽然在经典图论中已经开发了许多方法来以信号无关的方式聚类顶点和分割大型图,但基于信号定位的图上数据分析方法代表了一个新的研究方向,这也是图上大数据分析的关键。为此,在图形和图形信号的基本定义的概述后,我们提出并讨论了局部形式的图形傅里叶变换。为了建立与经典信号处理的类比,接下来给出定位窗口的谱域和顶点域定义。然后,频谱和顶点本地化内核相关的小波变换,其次是本地化图傅里叶变换的滤波和反演的研究。为了严格,能量表示和帧的局部图傅里叶变换的分析扩展到能量形式的顶点频率分布,甚至不需要应用本地化窗口。与经典信号处理的另一个联系是通过局部平滑度的概念建立的,该概念随后与图上信号平滑度的特定范例相关。这一切都代表了一般的点频分析与经典的时间-频率分析的关系的全面帐户,重要的,但缺少的环节,更先进的应用程序的图形信号处理。该理论得到了说明性和实际相关的例子的支持。
2019-12-26 cs.IT eess.SP math.IT
Compression Spectrum: Where Shannon meets Fourier
本文提出利用无损压缩算法 ETC 构建压缩谱,将信号处理与信息论结合以分析时间序列的可压缩性,并在合成信号与真实心率数据上验证了其区分不同信号和生理状态的能力。
2023-09-20 cs.IT eess.SP math.IT