自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(2)
  • 收藏
  • 关注

原创 时频分析法——短时傅里叶变换(STFT)

时频分析法是对时序信号的一种时间-频率联合分析手段,也是将一维时间序列信号转化为二维图像的一种方法。其中,短时傅里叶变换、连续小波变换、希尔伯特-黄变换是时频分析法中最常用的三种方法。本文将以心电信号(ECGs)为例子来着重介绍STFT,相关的代码和数据也将在下面提供。所使用的数据来自于公开的心电信号数据库,获取网址如下:PTB Diagnostic ECG Database v1.0.0 (physionet.org)本文所有插图均由其中同一份经过预处理的数据得到,有想复现的小伙伴可以下载:文章顶部的"p

2024-07-29 20:08:51 438

原创 注意力机制——SEnet 代码实现及解释(Tensorflow and Pytorch)

Squeeze-and-Excitation Networks(挤压和激励网络)是一种通道注意力机制,类似一个小插件嵌入在深度学习网络中,通过对不同通道的权重重新标定来实现对重要信息的注意。PS:简单来说通过卷积得到的特征图就是所谓的通道,通道数量就是卷积层的过滤器数量。我们通过结合下面的图像来理解SE的工作原理,以三维为例子进行解释,二维同样适用。心急的小伙伴可以直接划到下方使用代码哦。1.在图的上方D×H×W×C是输入数据的形状,分别为深度×高度×宽度×通道数,二维则没有深度;

2024-07-26 00:40:46 594

processed-ecg segment-csdn

本人CSDN博客"时频分析法——短时傅里叶变换(STFT)"中所使用的数据例子

2024-07-29

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除