Time-Frequency Domain for Segmentation and Classification of Non-stationary Signals - Ali Moukadem

Эта книга посвящена алгоритмам обработки сигналов, основанным на временно-частотной области. В ней представлены оригинальные методы и алгоритмы, способные извлекать информацию из нестационарных сигналов, таких как сердечные звуки и сигналы электропитания. Предложенные методы сфокусированы на временно-частотной области, и в особенности на преобразовании Стоквелла для процесса извлечения признаков и идентификации подписей. Для метода классификации используется нейронная сеть Адалайн, которая сравнивается с другими распространенными классификаторами. Книга также охватывает усовершенствование теории, оригинальные применения и конкретную реализацию на ПЛИС для обработки сигналов в реальном времени.

Книга рассматривает алгоритмы обработки сигнала в области времени-частоты. В ней представлены оригинальные методы и алгоритмы, способные извлекать информацию из нестационарных сигналов, таких как звуки сердца и электрические сигналы. Предложенные методы фокусируются на временной-частотной области, и среди них особенно выделяется преобразование Стоксвелла для процесса извлечения признаков и идентификации сигнатур. В качестве метода классификации используется нейронная сеть Адалин и сравнивается с другими распространенными классификаторами. Эта книга также охватывает усовершенствование теории, первоначальные приложения и конкретную реализацию на ПЛИС для обработки в режиме реального времени.

Электронная Книга «Time-Frequency Domain for Segmentation and Classification of Non-stationary Signals» написана автором Ali Moukadem в году.

Минимальный возраст читателя: 0

Язык: Английский

ISBN: 9781118908778

This book focuses on signal processing algorithms based on the timefrequency domain. Original methods and algorithms are presented which are able to extract information from non-stationary signals such as heart sounds and power electric signals. The methods proposed focus on the time-frequency domain, and most notably the Stockwell Transform for the feature extraction process and to identify signatures. For the classification method, the Adaline Neural Network is used and compared with other common classifiers. Theory enhancement, original applications and concrete implementation on FPGA for real-time processing are also covered in this book.