通过原子范数最小化实现稀疏的时频表示（Matlab代码实现）

💥💥💞💞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、文章下载

---

💥1 概述

摘要：
非平稳信号通常在通过离散 Gabor 变换（DGT）获得的时频（T-F）域中进行分析和处理。由于窗口化，DGT 获得的 T-F 表示会扩散，可能会降低 T-F 域分析和处理的性能。为了获得良好局部化的 T-F 表示，已经研究了使用 ℓ 1 -范数的稀疏感知方法。然而，它们需要将连续参数离散化到网格上，这会导致模型不匹配。本文提出了一种使用原子范数估计稀疏 T-F 表示的方法。原子范数使得在不离散化连续参数的情况下进行稀疏优化成为可能。数值实验表明，通过所提出的方法获得的 T-F 表示比传统方法更稀疏。

非平稳信号通常在时频（T-F）域中进行分析和处理。为了将时域信号转换为T-F域，通常利用短时傅里叶变换（STFT）或离散Gabor变换（DGT），因为其简单性和良好的结构已被广泛采用[1]，[2]。然而，由于分析信号的窗函数作用，通过它获得的T-F表示会产生扩展。这种扩展可能影响T-F域分析和处理的性能。

为了获得良好局部化的T-F表示，已经提出了许多方法[3]–​[14]。重新分配和同步压缩方法旨在利用相位导数信息将扩展的成分重新定位到原始位置[3]–​[6]。由于窗函数的作用，它们的性能会受到成分混合的影响[15]。稀疏感知方法是对抗这种成分混合和噪声的强大工具[7]–​[14]。稀疏感知方法旨在找到欠定系统的稀疏解。然而，基于ℓ1范数最小化的典型公式涉及将连续参数离散化到一个格点上。由于信号与预定义格点之间的模型不匹配，这可能会降低性能[16]。

最近，使用原子范数进行稀疏优化的研究[17]–​[20]并应用于许多应用，如线谱估计[21]，[22]，到达方向估计[23]–​[25]和雷达目标定位[26]。原子范数不需要将连续参数离散化。因此，将原子范数引入稀疏T-F表示应该获得更好的局部化T-F表示。

在本文中，我们提出了一种稀疏T-F表示的估计方法。在所提出的方法中，估计问题被制定为在分析的时域信号可以被重建的条件下进行原子范数最小化。数值实验证实了所提出的方法比传统方法提供了更稀疏的T-F表示。

详细文章见第4部分。

📚2 运行结果

部分代码：

%% parameter
a = 2^4;
windowLen = 2^7;
bw = 0.04;
g = dpss(windowLen, bw*windowLen/2, 1);

%% artifical signal
L = 2^10;
t = (0:L-1)';

x1 = sin(2*pi*(90/L)*t);
x2 = chirp(t, 120/L, L-1, 330/L);
x3 = chirp(t, 250/L, L-1, 500/L,'quadratic');
X = [x1, x2, x3];

s = sum(X,2);
f = Padding(s, a);

%% Estimate T-F representation
rho = 0.01;
[T, X, nu] = sparseTFR_ANM(f, g, a, rho);

%% Display the estimated T-F representation
min_dB = 60;
figure('Position', [900 766 960 320])

subplot(1,2,1)
c = dgt(f, calcCanonicalDualWindow(g, a), a, 2^10);
imagesc([0, L-1], [0, 1], 20*log10(abs(c)./max(abs(c), [], 'all')))
axis xy
xlabel('Samples')
ylim([0, 0.5])
ylabel('Normalized frequency')
caxis([-min_dB, 0])
colorbar
title('DGT')

subplot(1,2,2)
display_ANMSpec(gca, T, X, a, min_dB, 1)
xlabel('Samples')
ylabel('Normalized frequency')
title('Proposed method')

set(gcf, 'InvertHardCopy', 'off')

🎉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。

Tsubasa Kusano, Kohei Yatabe, Yasuhiro Oikawa (2021)

🌈4 Matlab代码、文章下载