信号处理——时频变换方法（一）

算法一：CWT-ESS &&STFT-ESS

《An empirical signal separation algorithm for multicomponent signals based on linear time-frequency analysis》（基于线性时频分析的多分量信号分离算法）

• 摘要：
     考虑需要处理来自不同领域的输入数据来解决某些需要多模态数据表示的任务，因此，本文构建一个可以处理多个输入数据流的多任务学习网络。利用视频序列中前一帧的特征表示来联合学习分割、深度和运动。当前编码器和以前编码器的权值是共享的，当前帧可以利用上一帧中计算的权值。
     现阶段，已经开始有学者开始综合EMD和线性TFA的分析方法，提出新的技术，本文在一种新的方法synchrosqueezing transform（SST）变换的基础上，与EMD和线性TFA方法结合，提出了基于小波变换的经验信号分离算法（CWT-ESS）与基于短时傅里叶变换的经验信号分离算法（STFT-ESS）。

• CWT-ESS算法流程：
  1、计算小波参数，对多分量信号做小波变换；
  2、通过查找局部极大值，极小值点获得单一分量的信号；（EMD算法思想）
  3、将多分量信号减去分离出的单一分量的信号，循环步骤1和步骤2，直到没有新的分量为止。

• STFT-ESS算法流程：