کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11032902 1645042 2018 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Decomposition and analysis of signals sparse in the dual polynomial Fourier transform
ترجمه فارسی عنوان
تجزیه و تجزیه و تحلیل سیگنال ها در تبدیل چندجمله ای فوریه چند ضلعی است
کلمات کلیدی
سنجش فشاری، کانال های پراکنده، تبدیل چندجملهای فوریه، انعطاف پذیری، تجزیه و تحلیل فرکانس زمان، آکوستیک زیر آب
ترجمه چکیده
امواج صوتی که از طریق یک محیط پراکنده منتقل می شوند می توانند برای تجزیه و مکان بندی بسیار پیچیده باشند. یک سیگنال که از طریق یک کانال پراکنده منتقل می شود معمولا غیر ثابت است. حتی اگر یک سیگنال ساده انتقال یابد، می تواند ویژگی های آن (فاز و فرکانس) را طی انتقال از طریق یک کانال ارتباطی پراکنده آکوستیک زیر آب تغییر دهد. معمولا، چندین اجزا با مسیرهای مختلف دریافت می شوند. در این مقاله، ما یک روش برای تجزیه سیگنال های چند وجهی صوتی با استفاده از تبدیل چندجمله ای فوریه و روش های فرکانس زمان ارائه می کنیم. در سیگنال های واقعی، برخی از اختلالات در هنگام انتقال معرفی می شوند. شکل متداول اختلالات سیگنال های سینوسی است، و بعضی از نمونه های سیگنال دامنه فرکانسی غیر قابل اعتماد هستند. از آنجا که اجزاء سیگنال را می توان در حوزه تبدیل چندجملهای دوگانه دوگانه در نظر گرفت، این نمونه ها می توانند توسط روش های سنجش فشاری حذف و بازسازی شوند. تجزیه سیگنال های صوتی و بازسازی آن از نمونه های کمینه نمونه های دامنه فرکانس نشان داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
چکیده انگلیسی
The acoustic waves transmitted through a dispersive environments can be quite complex for decomposition and localization. A signal which is transmitted through a dispersive channel is usually non-stationary. Even if a simple signal is transmitted, it can change its characteristics (phase and frequency) during the transmission through an underwater acoustic dispersive communication channel. Commonly, several components with different paths are received. In this paper, we present a method for decomposition of multicomponent acoustic signals using the dual polynomial Fourier transform and time-frequency methods. In real-world signals, some disturbances are introduced during the transmission. Common form of disturbances are the sinusoidal signals, making some of the frequency domain signal samples unreliable. Since the signal components can be considered as sparse in the dual polynomial Fourier transform domain, these samples can be omitted and reconstructed using the compressive sensing methods. The acoustic signal decomposition and its reconstruction from a reduced set of frequency domain samples is demonstrated on examples.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Microprocessors and Microsystems - Volume 63, November 2018, Pages 209-215
نویسندگان
, , ,