一种改进的自适应短时傅里叶变换方法-基于梯度下降

算法运行环境为Jupyter Notebook，执行一种改进的自适应短时傅里叶变换方法-基于梯度下降，附带参考。

算法可迁移至金融时间序列，地震/微震信号，机械振动信号，声发射信号，电压/电流信号，语音信号，声信号，生理信号（ECG,EEG,EMG）等信号。

sr = 1e4

t = torch.arange(0, 2.5, 1/sr)

f = torch.sin(2*pi*t) * 1e2 + 1e2 * torch.ones_like(t) + 5e1 * t

x = (torch.sin(torch.cumsum(f, dim=0) / 2e2) + 0.1 *torch.randn(t.shape))[None, :]

x += torch.sin(torch.cumsum(1e2*5 * torch.ones_like(t), dim=0) / 2e2)

x = x.to(device)

print(x.shape)

plt.plot(f)

ID:39130

详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885

图文详情请查看： http://matup.cn/732994219432.html