Non-Stationary Power System Forced Oscillation Analysis using Synchrosqueezing Transform
在电力系统运行中，经常会出现非平稳强迫振荡。然而，大多数检测方法假设FO的频率是固定的。在本文中，我们提出了一种分析非平稳FO的方法。首先，傅立叶同步压缩变换（FSST）被用来提供一个集中的时间-频率表示的信号，允许识别和检索的非平稳信号分量。为了继续，耗散能流（DEF）方法应用于提取的组件，以定位强迫振荡的源。该方法进行了测试，使用模拟以及真正的PMU数据。结果表明，所提出的基于FSST的信号分解方法为DEF方法在非平稳FOs中的应用提供了一个系统的框架。
2020-06-24 cs.SY eess.SP eess.SY
Statistical Analysis of Time-Frequency Features Based On Multivariate Synchrosqueezing Transform for Hand Gesture Classification
Izmir Katip Celebi University（伊兹密尔卡蒂普切莱比大学）
在这项研究中，四个联合时间-频率（TF）的时刻，平均值，方差，偏度和峰度的TF矩阵从多变量同步压缩变换（MSST）的手势识别提出的特征。公开的数据集，包含表面肌电（sEMG）信号的40名受试者执行10个手势，被使用。根据从Kruskal-Wallis（KW）检验获得的特征变量的p值来评估测试手势的特征变量的区分能力。结果表明，TF矩阵的均值、方差、偏度和峰度可以作为手势识别的候选特征集。
2022-09-24 cs.CV cs.HC cs.LG
Airflow recovery from thoracic and abdominal movements using Synchrosqueezing Transform and Locally Stationary Gaussian Process Regression
Clemson University（克莱姆森大学）；University of North Carolina at Greensboro（北卡罗来纳大学格林斯伯勒分校）；Perelman School of Medicine at the University of Pennsylvania（宾夕法尼亚大学佩雷尔曼医学院）；Duke University（杜克大学）；National Center for Theoretical Sciences（国家理论科学研究中心）
气流信号编码了关于呼吸系统的丰富信息。虽然测量气流的金标准是使用具有闭合密封的肺活量计，但这对于患者的动态监测并不实用。传感器技术的进步使得用小型廉价设备测量胸部和腹部的运动成为可能，但是从这些时间序列估计气流是具有挑战性的。我们建议使用非线性类型的时频分析工具，同步压缩变换，适当地表示胸部和腹部运动信号的特征，这是用来恢复气流的局部平稳高斯过程。我们表明，使用包含正常睡眠条件下呼吸信号的数据集，可以通过在受试者内和受试者间设置的特征空间中拟合所提出的模型来实现准确的预测。我们还将我们的方法应用于更具挑战性的情况下，全身麻醉下的受试者从压力支持过渡到无辅助通气，以进一步证明所提出的方法的实用性。
2020-08-11 cs.LG eess.SP stat.ML
Synchrosqueezed X-Ray Wavelet-Chirplet Transform for Accurate Chirp Rate Estimation and Retrieval of Modes from Multicomponent Signals with Crossover Instantaneous Frequencies
针对现有方法在多分量交叉瞬时频率信号中 chirp 率估计精度不足的问题，提出X射线小波-chirplet变换（XWCT）及三阶同步挤压变体，实现更优的 chirp 率方向衰减，无需多次操作即可精确估计IF和 chirp 率并检索模态。
2025-08-25 eess.SP
High-Order Synchrosqueezed Chirplet Transforms for Multicomponent Signal Analysis
针对 SCT 在高 chirp 调制多分量信号中瞬时频率估计失效的问题，提出高阶同步压缩 chirplet 变换，并通过理论分析与合成信号实验验证其有效性。
2024-05-11 cs.NA eess.SP math.NA
A Chirplet Transform-based Mode Retrieval Method for Multicomponent Signals with Crossover Instantaneous Frequencies
在自然界和工程领域中，采集到的信号往往受到多种复杂因素的影响，表现为多分量非平稳模态。在这种和许多其他情况下，有必要将这些信号分离成有限数量的单分量，以表示源信号中所涉及的固有模式和潜在动态。在本文中，我们认为模式检索的多分量信号具有交叉的瞬时频率（IF），这意味着信号的一些组件在时间-频率域重叠。我们使用chirplet变换（CT）表示的时间，频率和chirp率的三维空间中的多分量信号，并介绍了基于CT的信号分离方案（CT 3S）检索模式。此外，我们分析了该方案的中频估计和分量恢复的误差范围。我们还提出了一个匹配滤波器沿某些特定的时频线相对于啁啾率，使非平稳信号被进一步分离，并更集中在三维空间的CT。此外，基于近似的源信号与线性啁啾在任何本地时间，我们提出了一种创新的信号重建算法，称为组滤波器匹配的CT 3S（GFCT 3S），它也考虑了一组组件同时。GFCT 3S适用于具有交叉IF的信号。当不同分量的IF曲线不相交，而是快变且彼此接近时，该方法也减小了分量恢复误差。对合成信号和实际信号的数值实验表明，与经验模态分解、同步压缩变换等方法相比，该方法在信号分离上具有更高的精度和一致性
2021-10-13 cs.IT eess.SP math.IT
An Energy-concentrated Wavelet Transform for Time Frequency Analysis of Transient Signals
瞬态信号往往由一系列具有多值瞬时频率（IF）的模态组成，这给信号处理技术的发展带来了挑战。幸运的是，这种信号的群延迟（GD）可以很好地表示为频率的单值函数。针对频域信号模型，提出了一种基于小波变换的时间重分配同步压缩变换后处理方法。我们提出的方法嵌入一个二维GD算子到同步压缩框架中，以产生具有高能量集中的瞬态信号的时频表示（TFR），并允许检索整个或部分信号。给出了WTSST的理论分析，包括GD候选精度和信号重构精度的分析。在WTSST的基础上，通过引入一种逐步细化方案，提出了基于WT的时间重分配多同步压缩变换（WTMSST），进一步改善了WTSST方法不能处理强频变信号的缺点.仿真和实际信号分析表明，所提出的方法能够较好地描述瞬态信号的特征。
2022-02-22 eess.SP
Analysis of Synchrosqueezed Transforms and Application Perspectives
本文研究同步压缩变换（SST）对STFT与CWT时频表示的锐化及分量重建作用，并通过合成数据比较和深度学习预测优化验证其有效性。
2023-12-11 eess.SP
A Novel Ridge Detector for Nonstationary Multicomponent Signals: Development and Application to Robust Mode Retrieval
时频分析是研究非平稳多分量信号的常用方法，它可以看作是模式的叠加，与TF平面上的脊相关。为了理解这些信号，识别它们的组成模式是至关重要的。这通常通过在时间-频率平面中执行脊检测来完成，然后进行模式检索。不幸的是，现有的脊检测器往往是不够强大的噪声，因此阻碍模式检索。因此，在本文中，我们开发了一种新的方法来脊检测和模式检索的基础上，在噪声的存在下，多分量信号的短时傅里叶变换的分析，这将被证明是更强大的比国家的最先进的方法基于相同的时间-频率表示。
2022-04-05 eess.SP
Synchrosqueezed windowed linear canonical transform: A method for mode retrieval from multicomponent signals with crossing instantaneous frequencies
本文提出一种新颖的加窗线性正则变换（WLCT），通过引入啁啾率参数构建三维时频-啁啾率表示，并结合特殊X射线变换与同步挤压技术，有效解决了多分量信号中模态分离的难题。
2025-10-12 cs.NA eess.SP math.NA
Analysis of a Direct Separation Method Based on Adaptive Chirplet Transform for Signals with Crossover Instantaneous Frequencies
在许多应用中，需要提取多分量信号的子信号构建块，这在现实世界和现实生活应用中通常是非平稳的。经验模式分解（EMD），同步压缩变换（SST），信号分离操作（SSO）和迭代滤波分解（IFD）已被提出和发展。然而，这些计算方法受到多分量信号的子信号频率曲线良好分离的规范的限制。另一方面，在我们最近的工作中，最近提出了基于线性调频波变换的信号分离方案（CT 3S），其将SSO从二维“时间-频率”平面扩展到三维“时间-频率-线性调频率”空间，以去除频率分离规范，从而允许“频率交叉”。本文的主要目的是对CT 3S方法的瞬时频率估计和分量恢复进行深入的误差分析研究。
2022-05-26 cs.NA eess.SP math.NA
Instantaneous frequency estimation using the discrete linear chirp transform and the Wigner distribution
本文提出了一种基于离散线性调频变换（DLCT）和维格纳分布（WD）相结合的瞬时频率估计方法。DLCT局部地将信号表示为线性啁啾的叠加，而WD为每个啁啾提供沿时频域中的瞬时频率的最大能量集中。所开发的方法利用DLCT给出的线性啁啾的分离，并且对于它们中的每一个，WD提供了理想的表示。结合线性啁啾分量的WD，我们得到了一个时间-频率表示的交叉项，清楚地显示了瞬时频率。局部地应用这个过程，我们得到一个非平稳多分量信号的瞬时频率估计。通过仿真验证了该方法的有效性。结果表明，该方法对噪声中多分量信号的瞬时频率估计是有效的，即使在低信噪比的情况下也是如此。
2018-10-11 eess.SP
IF equation: a feature extractor for high-concentration time-frequency representation of mixed signals
高浓度时频表示为多分量非平稳信号的特征化提供了一种有价值的工具。在我们以前的工作中，我们提出了使用瞬时频率（IF）方程来锐化TF分布，实验验证了它的有效性。本文系统地讨论了基于IF方程的TF分析方法的原理以及如何利用IF方程提高TF锐度。通过对IF方程性质的分析，证明了一个好的IF方程可以统一著名的IF和群时延估计器，为描述时变和频变混合信号提供了一种有效的方法。通过对基于IF方程的后处理技术的讨论，证明了目前流行的TF后处理方法，如同步提取变换、多同步压缩变换、时间提取变换等，都属于基于IF方程的TF后处理技术。我们还提出了一种新的方法，结合不同的IF方程，以最大限度地减少能量扩散的基础上局部稀疏。数值仿真和实际实验验证了本文提出的基于中频方程的TF分析方法的性能。
2023-03-10 eess.SP
Use Cases for Time-Frequency Image Representations and Deep Learning Techniques for Improved Signal Classification
时频图像（TFIs）提供了信号的联合时频表示，已成为分析、表征和处理非平稳信号的有效工具。深度学习（DL）技术已经成为信号分类的通用技术，可以从原始数据中自动提取相关特征。在本文中，我们介绍了用于信号分类的时频变换和深度学习技术的两个用例，其中信号首先被预处理并转换为TFI，然后通过深度学习神经网络和分类算法提取其特征。所使用的具体方法和算法可以根据特定应用而变化，因此研究了用于创建TFI的不同方法;短时傅里叶变换（STFT）、基于傅里叶的同步压缩变换（FSST）、维格纳-维尔分布（WVD）、平滑伪维格纳分布（SPWD）、Choi-Williams分布（CWD）和连续小波变换（CWT）。评估了各种深度学习和卷积神经网络（CNN）模型（如ResNet-50、ShuffleNet和Squeezenet）在不同应用中的分类准确性，并将结果与传统机器学习和集成方法（如多层感知器（MLP）、支持向量机（SVM）、随机森林（RF）、决策树（DT））的结果进行比较。XGboost的。这项研究的结果表明，通过利用TFI和深度学习模型的综合能力，可以显著提高信号分类的准确性。这些进展已经在广泛的领域中找到了实际应用，包括雷达信号分类、电力系统的稳定性分析、语音和音乐识别以及生物医学信号表征。
2023-02-22 eess.IV eess.SP
Forced Oscillation Identification and Filtering from Multi-Channel Time-Frequency Representation
非平稳强迫振荡（FO）源的定位是一项具有挑战性的任务，特别是在与自然系统模式共振条件下的情况下，其中振荡的幅度在远离源的地方可能更大。因此，它是感兴趣的是构建一个全球的时间-频率（TF）表示（TFR）的系统，它可以捕捉到的振荡成分存在于系统中。本文提出了一种基于多通道TFR的非平稳电力系统强迫振荡频率辨识和分量滤波的系统方法。通过应用改进的岭估计算法在TF平面上识别振荡分量的频率。然后，在TF平面上对所识别的脊周围的各个TFR应用反变换函数来执行分量的滤波。这一步骤构成了用于定位FO源的耗散能流（DEF）方法的应用的初始阶段。此外，我们还比较了三种TF方法：短时傅里叶变换（STFT）、基于STFT的同步压缩变换（FSST）和二阶FSST（FSST 2）。仿真和实际运行信号表明，该方法为电力系统非平稳强迫振荡的辨识和滤波提供了一个系统框架。
2022-03-19 cs.SY eess.SP eess.SY
High-order synchrosqueezed wavelet-chirplet transform for instantaneous frequency and chirprate estimation
Zhejiang Normal University（浙江师范大学）；University of Jinan（济南大学）
提出高阶同步压缩小波-切普变换（HSWCT），通过放松线性切普假设并推导高阶IF和切普率重分配算子，实现对交叉瞬时频率多分量信号的准确估计，并首次给出任意阶重分配算子的近似误差理论分析。
2026-06-01 cs.NA eess.SP math.NA
On reconstruction algorithms for signals sparse in Hermite and Fourier domains
本论文是在数字信号处理领域的原创性贡献。在不同变换域上稀疏（高度集中）信号的重构是本文分析的主要问题。所考虑的域包括傅立叶，离散厄米，一维和二维离散余弦变换，以及各种时频表示。稀疏信号重建使用稀疏性措施，是，事实上，在所考虑的域中的信号浓度的措施。本文分析了压缩感知重构算法，并提出了新的解决方法。详细研究了丢失样本对分析变换域的影响，建立了与一般压缩感知理论的联系。这项研究提供了新的见解所产生的现象，由于信号样本的数量减少。理论上的贡献包括新的精确的数学表达式，描述重建算法的性能和结果，还包括研究的影响，加性噪声，稀疏水平和可用的测量的重建性能，重建误差和错误概率的精确表达式。研究了离散Hermite变换的参数优化问题，以及加性噪声对Hermite系数的影响，提出了新的参数优化和去噪算法。此外，还介绍了一种多变量多分量信号的分解算法，以及一种基于Wigner分布的瞬时频率估计算法。大量的数值算例和实验验证了所提出的理论，并揭示了新的实际应用的结果。
2019-09-17 cs.IT eess.SP math.IT
Fully Adaptive Time-Varying Wave-Shape Model: Applications in Biomedical Signal Processing
本文提出一种基于改进自适应非谐波模型的时变波形提取算法，通过谐波相对振幅与相位编码波形变化，在去噪、分解和自适应分割任务上均优于现有方法。
2023-09-26 eess.SP
