基于多高斯窗的实值离散Gabor变换与展开

来源 :安徽大学 | 被引量 : 0次 | 上传用户:msjzkdy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
Gabor变换是一种重要的时频变换理论,在数字信号和数字图像中有广泛的应用。近几十年围绕Gabor变换的研究课题主要有对偶窗的求解方法,Gabor变换的计算问题,时频分辨率问题。本文主要围绕基于多斯窗的离散Gabor变换进行了研究。论文首先回顾信号时频分析的一般理论以及发展历程,然后重点介绍了Gabor变换的发展状况和最近研究成果。近十几年来国内外学者提出了很多计算Gabor系数的方法,但是这些计算方法都是基于复数运算的,计算复杂性很高,而近年来实值离散Gabor变换理论降低了Gabor变换计算的复杂性;其快速算法的提出也提高了离散Gabor变换实时应用性。然而,在对Gabor展开与变换及应用深入研究中,我们发现上述研究的Gabor展开与变换使用的都是固定的单窗(单个分析窗或综合窗),根据Heisenberg不确定性原理,单窗Gabor展开与与变换有一突出缺点:其时频局域性(或时频分辨精度)受到很大限制。由于窗函数是固定的,时频谱的时间分辨精度与频率分辨精度也是固定的,并且不可能同时都好,二者是矛盾的。时域较窄高斯窗对应的时间分辨精度较好但频率分辨精度较差;反之,时域较宽高斯窗对应的时间分辨精度较差但时间分辨精度较好。对包含具有不同时间和频率局域性分量(即具有持续时间不同和频带范围不同的分量)的信号,其单窗Gabor变换对应的时频谱就无法对信号所有分量进行有效地表示。论文研究了基于多高斯窗实值离散Gabor变换上,Gabor基函数由不同带宽的高斯窗调制组成,可有效提高的时频分辨率,有为进化谱的计算提供一种新的方法,因此能很好的处理随机非平稳信号。基于多高斯窗离散Gabor变换也为进化谱的计算提供一种新的方法可更有效地分析和处理非平稳信号。
其他文献
随着汽车数量的日益增多,交通压力急剧增加,由车辆违章行为引起的道路交通事故也越来越多,因此世界各国都加强了对智能交通系统的研究与应用。闯红灯车辆检测是智能交通系统的一
图像分割是图像处理的主要问题,也是计算机视觉和模式识别领域中的重要组成部分。图像分割是图像工程中图像处理的首要步骤,图像分割的结果直接影响到后续的图像处理过程。在过
随着经济的发展,汽车越来越多,交通事故的次数也随之增多。通过打击醉酒驾,减少醉酒驾驶引发的交通事故发生。与之相对应,通过检测人体疲劳,可以减少疲劳驾驶导致的交通事故
以生物电为信息载体的人机交互(Human-Computer Interaction, HCI)技术,是当前计算机应用和信息处理领域的一个重要研究方向,相关的研究工作具有重要的科学意义和广阔的应用
伴随着云计算的发展前进,在制造业领域,关于云制造相关技术的研究也愈发引起人们的关注。参照云计算环境下的虚拟化技术,以及云计算虚拟资源云池的构建,云制造环境中制造资源的提
传统的软件开发过程大多数采用手工作坊式运营模式,质量和效率观念都不强,往往具有效率低、周期长、错误多和可维护性差等弊端。模型驱动体系(MDA)是OMG所定义的一种基于UML以及
无线传感器网络(WSN)由部署在监测区域内的大量微型传感器节点组成,它是通过无线通信方式形成的多跳自组织网络系统。无线传感器网络的节点协作地感知、采集和处理网络监测区域
运动行人的跟踪技术是计算机视觉领域的研究热点之一,同时也是行人识别、行人异常行为分析与描述等高级应用的基础。目前已经被广泛的应用于视频监控、人机交互、智能交通和军
面部软组织的分层分割主要是指对面部的皮肤,皮下脂肪,肌肉等不同组织进行分层识别及分割。该研究可以为医生提供对特定目标组织定性定量的测量,进而为医学诊断和临床治疗提供数
运动目标的检测技术是计算机视觉系统的关键技术之一,也是目标跟踪和行为识别的重要基础。目前,静止场景中的目标检测技术已经成熟应用在军事、交通、工业制造等领域。相对于静