首先提到一篇论文是，
Invariant scattering convolution networksarxiv.org短时傅里叶变换，这里不再赘述，为了同时捕捉信号的时间和频率特性，对信号加一个固定尺寸的窗函数，然后进行傅里叶变换，实际上这就是一个卷积，
一个一维信号，加不同大小的窗做傅里叶变换可以得到它的时频谱，下图来自另一篇文章，也希望大家有机会一定去读一下作者的原创文章，
1335：从傅里叶变换进阶到小波变换（一）zhuanlan.zhihu.com二维小波变换_卷积神经网络与小波分解（未完）
本文探讨了二维小波变换在捕捉信号时间与频率特性上的作用，对比了一维短时傅里叶变换的局限性。通过小波分解，信号可以被精细地分为高低频部分，类似卷积神经网络（CNN）的操作。作者认为，小波分解与非线性激活相结合可能更适合图像分类任务。二维小波变换引入了方向性考虑，增强了解析能力。
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
