...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Signal processing >Clustered fractional Gabor transform
【24h】

Clustered fractional Gabor transform

机译：聚类分数阶Gabor变换

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, a novel clustered fractional Gabor transform (CFrGT) is proposed by exploiting the continuity structure of the fractional Gabor spectrum. The fractional Gabor expansion is reformulated under a Bayesian framework with correlated priors. To encourage the nonzero or zero coefficients to cluster in a spatial consistent constraint, the Markov random field (MRF) model is incorporated as the prior for the support of the fractional Gabor spectrum. And then the variational Bayes expectation-maximization algorithm is used to approximate the posterior of the hidden variables and estimate the parameters of MRF model. The proposed algorithm achieves high time-frequency resolution and localization under noisy and low sampling scenarios. Both the synthetic and the real data experimental results verify the effectiveness and its superiority over the conventional fractional Gabor transform. (C) 2019 Elsevier B.V. All rights reserved.
机译：通过利用分数Gabor谱的连续性结构，提出了一种新的聚类分数阶Gabor变换（CFrGT）。在具有相关先验的贝叶斯框架下，分数Gabor展开式被重新公式化。为了鼓励非零或零系数在空间一致的约束条件下聚类，将马尔可夫随机场（MRF）模型作为支持分数Gabor谱的先验模型。然后使用变分贝叶斯期望最大化算法对隐藏变量的后验进行近似，并估计MRF模型的参数。提出的算法在嘈杂和低采样情况下实现了高时频分辨率和定位。综合和真实数据实验结果都证明了其有效性和优于传统分数Gabor变换的优越性。 （C）2019 Elsevier B.V.保留所有权利。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号