2024-03-28T09:24:06Zhttps://www.tdx.cat/oai/requestoai:www.tdx.cat:10803/1238092024-03-15T10:58:01Zcom_10803_236col_10803_690279
TDX (Tesis Doctorals en Xarxa)
author
Muševič, Sašo
authoremail
saso.musevic@upf.edu
authoremailshow
true
director
Serra, Xavier
director
Bonada, Jordi
authorsendemail
true
2013-10-11T11:00:55Z
2013-10-11T11:00:55Z
2013-09-10
http://hdl.handle.net/10803/123809
B. 24809-2013
Muchos tipos de señales que encontramos a diario pertenecen a la categoría de sinusoides no estacionarias. Una gran parte de esas señales son sonidos que presentan una gran variedad de características: acústicos/electrónicos, sonidos instrumentales harmónicos/impulsivos, habla/canto, y la mezcla de todos ellos que podemos encontrar en la música. Durante décadas la comunidad científica ha estudiado y analizado ese tipo de señales. El motivo principal es la gran utilidad de los avances científicos en una gran variedad de áreas, desde aplicaciones médicas, financiera y ópticas, a procesado de radares o sonar, y también a análisis de sistemas. La estimación precisa de los parámetros de sinusoides no estacionarias es una de las tareas más comunes en procesado digital de señales, y por lo tanto un elemento fundamental e indispensable para una gran variedad de aplicaciones.
Las transformaciones de tiempo y frecuencia clásicas son solamente apropiadas para señales con variación lenta de amplitud y frecuencia. Esta suposición no suele cumplirse en la práctica, lo que conlleva una degradación de calidad y la aparición de artefactos. Además, la resolución temporal y frecuencial no se puede incrementar arbitrariamente debido al conocido principio de incertidumbre de Heisenberg. \\
El principal objetivo de esta tesis es revisar y mejorar los métodos existentes para el análisis de sinusoides no estacionarias, y también proponer nuevas estrategias y aproximaciones. Esta disertación contribuye sustancialmente a los análisis sinusoidales existentes: a) realiza una evaluación crítica del estado del arte y describe con gran detalle los métodos de análisis existentes, b) aporta mejoras sustanciales a algunos de los métodos existentes más prometedores, c) propone varias aproximaciones nuevas para el análisis de los modelos sinusoidales existentes i d) propone un modelo sinusoidal muy general y flexible con un algoritmo de análisis directo y rápido.
Many types of everyday signals fall into the non-stationary sinusoids category. A large family of such signals represent audio, including acoustic/electronic, pitched/transient instrument sounds, human speech/singing voice, and a mixture of all: music. Analysis of such signals has been in the focus of the research community for decades. The main reason for such intense focus is the wide applicability of the research achievements to medical, financial and optical applications, as well as radar/sonar signal processing and system analysis. Accurate estimation of sinusoidal parameters is one of the most common digital signal processing tasks and thus represents an indispensable building block of a wide variety of applications.
Classic time-frequency transformations are appropriate only for signals with slowly varying amplitude and frequency content - an assumption often violated in practice. In such cases, reduced readability and the presence of artefacts represent a significant problem. Time and frequency resolu
eng
Sinusoidal analysis
Non-stationary sinusoid
Amplitude modulation
Frequency modulation
Polynomial phase
Generalised sinusoid
Complex polynomial amplitude modulated complex sinusoid with exponential damping
cPACE, cPACED, PACE
Overapping sinusoids
Non-linear analysis
Kernel based analysis
Linear systems of equations
Non-linear systems of equations
Multivariate polynomial systems
Energy reallocation
Reassignment
Generalised reassignment
Distribution derivative
Derivative method
Sinusoidal parameter estimation
Sound analysis
High-resolution analysis
Transient analysis
Time-frequency distributions
Chebyshev polynomial
Adaptive signal analysis
Gamma function
Non-stationary sinusoidal analysis
info:eu-repo/semantics/doctoralThesis info:eu-repo/semantics/publishedVersion
URL
https://www.tdx.cat/bitstream/10803/123809/1/tsm.pdf
File
MD5
d74b0259999cd73b74c960a87ab8894d
3106500
application/pdf
tsm.pdf
URL
https://www.tdx.cat/bitstream/10803/123809/5/tsm.pdf.txt
File
MD5
b84e084ba3289cf85abf5fdd77451a84
319185
text/plain
tsm.pdf.txt