×
普亚·贾恩;拉姆·比拉斯·帕乔里

基于Hankel矩阵特征值分解的多分量非平稳信号的迭代分解方法。 （英语） Zbl 1395.94122号

J.富兰克林研究所。 352，第10号，4017-4044（2015）.
摘要：多分量信号的分解可用于信号分析。提出了一种新的迭代方法，将多分量非平稳信号分解为幅频调制（AM-FM）单分量信号。所提出的迭代方法是基于Hankel矩阵的重复特征值分解（EVD），该矩阵最初是由多分量信号的样本构建的。提取汉克尔矩阵的重要特征值对对应的分量。重复构造Hankel矩阵、执行Hankel阵EVD和提取与重要特征值对对应的分量的过程，我们称之为“迭代”，直到所有提取的分量满足定义的单分量信号准则（MSC）。所提出的自适应分解方法适用于非平稳信号的分析。给出了用该迭代方法分解不同类型的合成和自然多分量信号的实验结果，并与经验模式分解（EMD）和奇异谱分析（SSA）的结果进行了比较。结果表明，与EMD不同，所提出的迭代方法分离组成单分量信号的能力既不受其平均频率比的影响，也不受其相对振幅的影响。

引用于9文件

MSC公司：

94甲12 信号理论（表征、重建、滤波等）
62M15型 随机过程和谱分析的推断
68吨10 模式识别、语音识别
94甲14 信息与通信理论中的调制与解调
62M10个 统计学中的时间序列、自相关、回归等（GARCH）

软件：

毛虫SSA
PDF格式BibTeX公司 XML格式引用
\textit{P.Jain}和\textit{R.B.Pachori}，J.Franklin Inst.352，No.10，4017--4044（2015；Zbl 1395.94122）
全文： 内政部

参考文献：

[1] Childers，D.G。；瓦尔加，R。；佩里，N.W.，《复合信号分解》，IEEE Trans。音频电声。，471-477年12月18日（1970年）
[2] 潘塔齐斯，Y。；罗斯，O。；Stylianou，Y.，自适应AM-FM信号分解及其在语音分析中的应用，IEEE Trans。音频语音语言处理。，2011年2月19日（2），290-300
[3] 斯坦科维奇，L。；Thayaparan，T。；Dakovic，M.，使用S方法进行信号分解，并应用于海浪中高频雷达信号的分析，IEEE Trans。信号处理。，2006年11月54日（11），4332-4342·Zbl 1374.94601号
[4] J.Song，S.Lin，C.Zhao，H.Liu，基于Hilbert-Huang变换的地震信号分解，载《国际商业管理与电子信息会议》，第1卷，2011年5月，第813-816页。
[5] 巴贾杰，V。；Pachori，R.B.，使用经验模式分解对癫痫和非癫痫脑电图信号进行分类，IEEE Trans。技术信息。生物识别。，1135-1142年11月16日（2012年）
[6] Gaouda，A.M。；萨拉马，医学硕士。；苏丹，M.R。；Chikhani，A.Y.，《利用小波多分辨率信号分解进行电能质量检测和分类》，IEEE Trans。电力输送。，1469-1476（1999）年10月14日（4）
[7] Tan，A.W.C。；拉奥，M.V.C。；Daya Sagar，B.S.，语音建模和分类的信号子空间方法，信号处理。，2007年3月87日，500-508·Zbl 1186.94333号
[8] 黄，H。；Pan，J.，基于Hilbert-huang变换的语音基音确定，信号处理。，2006年4月86日（4），792-803·Zbl 1163.94347号
[9] Loughlin，P.J。；Davidson，K.L.，多分量信号的修正Cohen-Lee时频分布和瞬时带宽，IEEE Trans。信号处理。，1153-1165年6月（6日）49日（2001年）
[10] G.Schlotthauer，M.E.Torres，H.L.Rufiner，基于集合经验模式分解的瞬时F_{0}语音提取新算法，载《第17届欧洲信号处理会议论文集》，2009年8月，第2347-2351页。
[11] 马拉戈斯，P。；凯泽，J.F。；Quatieri，T.F.，《信号调制中的能量分离及其在语音分析中的应用》，IEEE Trans。信号处理。，10月41日（10），3024-3051，（1993）·Zbl 0800.94135号
[12] 帕乔里，R.B。；Sircar，P.，使用FB-DESA方法分析多组分AM-FM信号，数字信号处理。，2010年1月20日，42-62
[13] Rao，A。；Kumaresan，R.，《关于将语音分解为调制分量》，IEEE Trans。语音音频处理。，2000年5月8日（3），240-254
[14] 黄，N.E。；沈，Z。；Long，S.R。；Wu，M.C.，非线性和非平稳时间序列分析的经验模式分解和希尔伯特谱，Proc。R.Soc.伦敦。A、 4541971年3月，903-995年，1998年·Zbl 0945.62093号
[15] 古普塔，R。；库马尔，A。；Bahl，R.，使用迭代经验模式分解估计瞬时频率，信号图像视频处理。，2012年3月1日至14日
[16] Rilling，G。；Flandrin，P.，一个或两个频率？经验模式分解答案，IEEE Trans。信号处理。，2008年1月56日（1），85-95·Zbl 1390.94382号
[17] R.Deering，J.F.Kaiser，《使用掩蔽信号改进经验模式分解》，摘自：IEEE声学、语音和信号处理国际会议论文集，第4卷，2005年3月，第485-488页。
[18] 吴，Z。；Huang，N.E.，集成经验模式分解-噪声辅助数据分析方法，Adv.Adapt。数据分析。，2009年1月1日至41日（1）
[19] Hassani，H.，奇异谱分析方法和比较，J.数据科学。，2007年4月5日（2），239-257
[20] Jain，P。；Pachori，R.B.，基于Hankel矩阵特征值分解的浊音瞬时基频估计的基于事件的方法，IEEE/ACM Trans。音频语音语言处理。，1467-1482年10月22日（2014）
[21] J.Gilbert，L.Gilber，《线性代数与矩阵理论》，学术出版社，印度新德里，2005年·Zbl 0843.15001号
[22] Poon，M.Y。；Khan，R.H。；Le-Ngoc，S.，一种基于奇异值分解（SVD）的高频雷达海洋杂波抑制方法，IEEE Trans。信号处理。，1421-1425年3月41日（1993年）
[23] C.L.DiMonte，K.S.Arun，跟踪叠加时变谐波的频率，摘自：《国际声学、语音和信号处理会议论文集》，1990年4月，第2539-2542页。
[24] P.Jain，R.B.Pachori，使用Hankel矩阵的特征值分解从浊音中识别GCI，摘自：IEEE图像和信号处理与分析国际研讨会论文集，2013年9月，第371-376页。
[25] Mahmoudvand，R。；Zokaei，M.，关于Hankel矩阵的奇异值及其在奇异谱分析中的应用，Chil。J.Stat.，4月3日（1），43-56，（2012）·Zbl 1449.15015号
[26] 〈http://perso.ens-lyon.fr/patrick.fladrin/emd.html〉.
[27] J.B.Elsner，A.A.Tsonis，《奇异谱分析：时间序列分析的新工具》，Plenum出版社，纽约，1996年。
[28] J.R.Deller Jr、J.H.L.Hansen、J.G.Proakis，《语音信号的离散时间处理》，新德里，2011年。
[29] Jain，P。；Pachori，R.B.，基于时间顺序表示的历元检测方法，J.Intell。系统。，2012年2月21日（1），79-95
[30] 〈http://festvox.org/cmu_arctic/〉.
[31] Jain，P。；Pachori，R.B.，《低频范围内的边缘能量密度作为噪声语音信号中浊音/非浊音检测的特征》，J.Frankl。研究所，350，5月（4），698-716，（2013）·Zbl 1281.93093号
[32] L.R.Rabiner，R.W.Schafer，语音信号的数字处理，低价版，培生教育，新德里，2009年。
[33] N.Golyandina，V.Nekrutkin，A.Zhigljavsky，《时间序列结构分析：SSA和相关技术》，查普曼和霍尔出版社，纽约，2001年·Zbl 0978.62073号
[34] Sircar，P。；Sharma，S.，非平稳信号的复FM信号模型，信号处理。，1997年3月3日（57），283-304·Zbl 1005.94506号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。