【信号处理】时频多重压缩变换（Matlab实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

时频多重压缩变换（Time-Frequency Double Compression Transform，TFDCT）是一种信号处理技术，它结合了时域和频域的特征来实现信号的高效表示和压缩。 TFDCT利用时频分析的思想，将信号在时域和频域上进行分析。时域表示信号随时间变化的特征，而频域表示信号在不同频率上的成分。 TFDCT采用多重压缩变换的方法，将信号分别在时域和频域上进行压缩。这种变换可以更好地捕获信号的局部和全局特征，从而提高信号的表示效率和压缩性能。 经过TFDCT变换后的信号可以更加紧凑地表示，因此可以采用更高效的压缩编码方法进行信号的压缩。这可以减小信号的存储空间和传输带宽要求。FDCT是一种结合了时域和频域特征的多重压缩变换技术，能够有效地提取信号的时频特征并实现高效的信号压缩和处理。

📚2 运行结果

部分代码：

function [Ts,tfr1] = TFMST_Y(x,hlength)
%   time-frequency multisynchrosqueezing transform.
%	x       : Signal.
%	hlength : Window length.

%   Ts    : time-frequency multisynchrosqueezing transform.
%	tfr   : Time-Frequency Representation.

%  This program is distributed in the hope that it will be useful,
%  but WITHOUT ANY WARRANTY; without even the implied warranty of
%  MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  
%  Written by YuGang.

[xrow,xcol] = size(x);
N=xrow;

if (xcol~=1),
 error('X must be column vector');
end;

if (nargin < 2),
 hlength=round(xrow/8);
end;

t=1:N;
ft = 1:round(N/2);

hlength=hlength+1-rem(hlength,2);
ht = linspace(-0.5,0.5,hlength);ht=ht';

% Gaussian window
h = exp(-pi/0.32^2*ht.^2);
% derivative of window
dh = -2*pi/0.32^2*ht .* h; % g'
%
th=h.*ht;

[hrow,~]=size(h); Lh=(hrow-1)/2;

tfr1= zeros (N,N);
tfr2= zeros (N,N);
tfr3= zeros (N,N);

va=N/hlength;
    
for icol=1:N,
ti= t(icol); tau=-min([round(N/2)-1,Lh,ti-1]):min([round(N/2)-1,Lh,xrow-ti]);
indices= rem(N+tau,N)+1;
rSig = x(ti+tau,1);
tfr1(indices,icol)=rSig.*conj(h(Lh+1+tau));
tfr2(indices,icol)=rSig.*conj(dh(Lh+1+tau));
tfr3(indices,icol)=rSig.*conj(th(Lh+1+tau));
end;

tfr1=fft(tfr1);
tfr2=fft(tfr2);
tfr3=fft(tfr3);

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

[1]Gundersen L E ,Smistad E ,Jahren S T , et al. Hardware-Independent Deep Signal Processing: A Feasibility Study in Echocardiography.[J]. IEEE transactions on ultrasonics, ferroelectrics, and frequency control,2024,PP.

[2]贾乃征,薛灿,杨骝,等.基于融合集成学习的鲁棒近超声室内定位方法[J/OL].计算机研究与发展:1-16[2024-06-11].http://kns.cnki.net/kcms/detail/11.1777.TP.20240522.1343.008.html.

🌈4 Matlab代码实现