用于稀疏时频分布重建的自适应L-Wigner初始化方法 Vedran Jurdana

《Technologies》：Adaptive L-Wigner Initialization for Sparse Time–Frequency Distribution Reconstruction Vedran Jurdana

　　

摘要

压缩感知（CS）在模糊性领域中的应用为从稀疏表示中恢复非平稳信号的时间-频率分布（TFD）提供了一种有效方法。现有方法主要依赖Wigner-Ville分布（WVD）作为初始表示，因为其简单性和高自相关特性。然而，WVD在处理具有高阶频率调制（FM）成分的信号时表现不佳，并且对干扰和噪声非常敏感，这些干扰和噪声会影晌重建结果。本文系统地引入了L-Wigner分布（LWD）作为基于CS的重建的初始表示方法，从而可以根据信号特性进行前端适应。通过生成从频谱图到无交叉项的多项式WVD等一系列可控的TFD，LWD能够有效抑制干扰和噪声，同时增强非线性FM成分的自相关定位。所提出的基于LWD的重建框架使用了多种先进的重建算法与传统基于WVD的方法进行了对比，这些算法的参数通过多目标元启发式框架进行联合优化，以确保公平比较。在含噪声的合成信号和真实的引力波数据上的实验表明，该方法具有持续的性能提升。在合成信号上，该方法将平均重建误差指标降低了多达36.6%，重建误差降低了多达75.8%，并完全消除了交叉项能量。此外，在加性白高斯噪声下的鲁棒性分析显示，性能提高了多达75%。对于真实的引力波数据，该方法平均重建指标降低了5.8%，同时保持了自相关成分的完整性和去除了交叉项伪影。这些结果证明了基于LWD的初始化方法是在复杂信号环境中进行TFD重建的一种有效且通用的策略。