exponenta event banner

Импульсная синхронизация

Что такое Wavelet Synchrosqueezing?

Вейвлет-синхроскопическое преобразование является методом частотно-временного анализа, который полезен для анализа многокомпонентных сигналов с колебательными режимами. Примеры сигналов с колебательными режимами включают в себя речевые сигналы, машинные колебания и физиологические сигналы. Многие из этих реальных сигналов с колебательными режимами могут быть записаны как сумма амплитудно-модулированных и частотно-модулированных составляющих. Общим выражением для этих типов сигналов с суммируемыми компонентами является

∑k=1KAk (t) cos (2íδk (t)),

где Ak (t) - медленно изменяющаяся амплитуда, а δk (t) - мгновенная фаза. Усеченный ряд Фурье, где амплитуда и частота не изменяются со временем, является частным случаем этих сигналов.

Вейвлет-преобразование и другие методы линейного частотно-временного анализа разлагают эти сигналы на их составляющие путем корреляции сигнала со словарем атомов временной частоты [1]. Вейвлет-преобразование использует преобразованные и масштабированные версии материнского вейвлета в качестве его частотно-временного атома. Некоторое частотно-временное расширение связано со всеми этими частотно-временными атомами, что влияет на резкость анализа сигнала.

Вейвлет-синхроскопическое преобразование является частотно-временным методом, который переназначает энергию сигнала на частоте. Это переназначение компенсирует эффекты расширения, вызванные маточным вейвлетом. В отличие от других способов временного-частотного переназначения, синхроимпульсирование переназначает энергию только в частотном направлении, что сохраняет временное разрешение сигнала. Сохраняя время, алгоритм обратной синхронизации может восстановить точное представление исходного сигнала. Для использования синхронизации каждый член в сигнальном выражении суммированных компонентов должен быть функцией типа внутреннего режима (IMT). Для получения подробной информации о критериях, составляющих IMT, см. [2].

Алгоритм

Алгоритм synchrosqueezing использует эти шаги.

  1. Получите CWT входного сигнала. Для использования с синхронизацией CWT должен использовать аналитический вейвлет для сбора мгновенной информации о частоте.

  2. Извлеките мгновенные частоты из выходного сигнала CWT, Wf, с помощью фазового преобразования Это фазовое преобразование пропорционально первой производной CWT относительно трансляции, u. В этом определении фазового преобразования s - масштаб.

    λ f (s, u) =∂tWf (s, u) 2πiWf (s, u).

    Шкалы определяются как s = fü f, где fstart- пиковая частота, а f - частота.

    Чтобы извлечь мгновенную частоту, рассмотрим простую синусоидальную волну, ei2xeonf0t.

    1. Получить вейвлет-преобразование,

      Wf (ei2āf0t) = ei2āf0u,

      где start^ (sf0) - преобразование Фурье вейвлета в sf0.

    2. Возьмем частную производную предыдущего уравнения относительно перевода, u:

      ∂∂uWf (ei2āf0t) = i2āf0

    3. Делите частную производную на вейвлет-преобразование и i2δ, чтобы получить мгновенную частоту, f0.

  3. «Сжимать» CWT над областями, где фазовое преобразование является постоянным. Полученное мгновенное значение частоты переназначено одному значению в центроиде частотно-временной области CWT. Это переназначение приводит к резкому выходу из синхронизированного преобразования по сравнению с CWT.

Как описано, синхроскопическая обработка использует непрерывное вейвлет-преобразование (CWT) и его первую производную в отношении трансляции. CWT является обратимым, и поскольку синхронизированное преобразование наследует свойство инвертируемости CWT, сигнал может быть восстановлен.

Необходимое разделение компонентов

При синхронизации компоненты сигнала должны быть IMT, которые хорошо разделены во временной и частотной плоскости. Если это требование выполнено, можно отслеживать траекторию мгновенных частот вдоль кривой. Кривые показывают расположение максимальной энергии, поскольку она изменяется во времени для каждого режима сигнала. Посмотрите wsstridge для описания алгоритма кривых траектории.

Это неравенство определяет необходимые критерии разделения:

| β k '(t) δ k 1' (t) |≥14|ϕk '(t) + δ k − 1' (t) |

где start' - мгновенная частота, а d - постоянная положительного разделения [2]. Чтобы определить это необходимое разделение, предположим, что ударный вейвлет, x, имеет преобразование Фурье с поддержкой в диапазоне [αx Δ, αx + Δ]. Поскольку ударный импульс имеет центральную частоту 52λ Гц, используйте в качестве интервала [52λ − 12, 52λ + 12]. Затем решите Δ < αxd1 + d для d, чтобы получить d > 14 для импульса удара.

Чтобы показать это требование разделения для импульсного импульса, рассмотрим сигнал, состоящий из cos ((0.1t)) + sin (((0.2t)). Используя импульсный импульс, чтобы получить CWT, мгновенная фаза косинуса составляет (1) (t) = 0,1 t, а мгновенная частота является первой производной, 0,1. Аналогично, для синусоидальной составляющей мгновенная частота равна 0,2. Неравенство разделения, |0.1|≥14|0.3|, верно. Поэтому два компонента сигнала являются функциями IMT и достаточно разделены, чтобы использовать синхронизированное преобразование.

Если вы используете более высокие частоты, такие как 0,3 и 0,4 для мгновенных частот, неравенство |0.1|≥14|0.7|, что не соответствует действительности. Поскольку эти компоненты сигнала не являются хорошо разделенными IMT, сигнал, cos ((0,3t)) + sin (((0,4t)), не подходит для использования с синхронизированным преобразованием.

Примеры

CWT vs Synchrosqueeezed Transform размазывание

Сравнение CWT с синхронизированным преобразованием квадратичного чирпа показывает размазывание уменьшенной энергии для результата синхронизированного преобразования.

load quadchirp;
Fs = 1000;
[wt,f] = cwt(quadchirp,'bump',Fs);
subplot(2,1,1)
hp = pcolor(tquad,f,abs(wt));
hp.EdgeColor = 'none';
xlabel('Time (secs)')
ylabel('Frequency (Hz)')
title('CWT of Quadratic Chirp')
subplot(2,1,2)
wsst(quadchirp,Fs,'bump')

Figure contains 2 axes. Axes 1 with title CWT of Quadratic Chirp contains an object of type surface. Axes 2 with title Wavelet Synchrosqueezed Transform contains an object of type surface.

Разделение низкочастотных и высокочастотных компонентов

В этом примере показано разделение, необходимое между компонентами сигнала для получения пригодных для использования результатов из синхронизированного преобразования. Составляющие сигнала составляют 0,025, 0,05, 0,20 и 0,225 циклов на образец. Высокочастотные компоненты 0,20 и 0,225 не имеют достаточного разделения, поэтому нельзя выразить весь сигнал как сумму хорошо разделенных IMT.

Определите сигнал и постройте график синхронизированных компонентов.

t = 0:2000;
x1 = cos(2*pi*.025*t);
x2 = cos(2*pi*.05*t);
x3 = cos(2*pi*.20*t);
x4 = cos(2*pi*.225*t);
x =x1+x2+x3+x4;
[sst,f] = wsst(x);
contour(t,f,abs(sst))
xlabel('Time')
ylabel('Normalized Frequency')
title('Inadequate High-Frequency Separation')

Figure contains an axes. The axes with title Inadequate High-Frequency Separation contains an object of type contour.

Увеличьте разделение высокочастотных компонентов, а затем снова постройте график синхронизированных компонентов.

x4 = cos(2*pi*.3*t);
x =x1+x2+x3+x4;
[sst,f] = wsst(x);
figure
contour(t,f,abs(sst))
xlabel('Time')
ylabel('Normalized Frequency')
title('Adequate High-Frequency Separation')

Figure contains an axes. The axes with title Adequate High-Frequency Separation contains an object of type contour.

Все компоненты сигнала теперь являются хорошо разделенными IMT и достаточно отделены, чтобы отличать друг от друга. Этот сигнал подходит для использования с алгоритмом синхронизации.

Регион с неадекватным разделением

В этом примере показан сигнал с двумя линейными чирпами. Линейная чирпа определяется как

f (t) = cos (

Его первая производная f0 + mt определяет мгновенную частотную линию. Используйте импульсный импульс и его постоянную разделения 0,25. Чтобы определить область, где два сигнала чирп с мгновенными частотами 0,4 и 0,1 циклов на выборку разделены недостаточно, решите это уравнение:

| y1-y2 | = 0,25 | y1 + y2 |.

y1 = -0.151000x + 0,4 и y2 = 0 .151000x + 0,1 - мгновенные частотные линии чирпов.

t = 0:2000;
y1 = chirp(t,0.4,1000,0.25);
y2 = chirp(t,0.1,1000,0.25);
y = y1+y2;
wsst(y,'bump')
xlabel('Samples')
h1 = line([583 583], [0 0.5]);
h2 = line([1417 1417], [0 0.5]);
h1.Color='white';
h2.Color='white';

Figure contains an axes. The axes with title Wavelet Synchrosqueezed Transform contains 3 objects of type surface, line.

Вертикальные линии являются границами области. Они указывают на то, что недостаточное разделение происходит в образце 583 и образце 1417. В области между вертикальными линиями сигнал не состоит из хорошо разделенных IMT. В областях за пределами вертикальных линий сигнал имеет хорошо разделенные IMT. Можно получить хорошие результаты из синхронизированного преобразования в этих областях.

Ссылки

[1] Маллет, S. Вейвлет-обход обработки сигналов. Сан-Диего, Калифорния: Академическая пресса, 2008, стр. 89.

[2] Daubechies, I., J. Lu и H. T. Wu. «Synchrosqueeezed Wavelet Transforms: эмпирический инструмент, похожий на инструмент разложения». Прикладной и вычислительный гармонический анализ. Том 30 (2), стр. 243-261.

[3] Такур, Г., Э. Бревдо, Н. С. Фучкар и Х. Т. Ву. «Алгоритм синхронизации для изменяющегося во времени спектрального анализа: свойства надежности и новые приложения палеоклимата». Обработка сигналов. Т. 93, стр. 1079-1094.

Связанные темы