稀疏表示与非负矩阵分解(3)矩阵分解基本原理和chirp信号处理的简单python实现

稀疏表示与非负矩阵分解(3)矩阵分解基本原理和chirp信号处理的简单python实现

  • 1. 非负矩阵分解
  • 2. 时频图制作
    • 2.1 时频图的指标与方法比较
      • 2.1.1 时间分辨率和频域分辨率
      • 2.1.2 短时傅里叶变换和小波变换的差异
      • 2.1.3 二维傅里叶变化和二维余弦变换
      • 2.1.4 啁啾信号简介
        • (1)激光光纤学科应用
        • (2)啁啾与阵列信号
      • 2.1.5 双曲啁啾信号生成
    • 2.2 可视化结果
  • 文献资料

1. 非负矩阵分解

定义:将一个非负矩阵分解为两个非负矩阵的乘积。

  • 通常的矩阵分解会把一个大的矩阵分解为多个小的矩阵,但是这些矩阵的元素有正有负。而在现实世界中,比如图像,文本等形成的矩阵中负数的存在是没有意义的,所以如果能把一个矩阵分解成全是非负元素是很有意义的(非负矩阵分解,NMF)。在NMF中要求原始的矩阵的所有元素的均是非负

你可能感兴趣的:(基于生成对抗网络的智能故障诊断,python,矩阵,信号处理)