【通信】Matlab实现改进的多同步压缩变换

多重同步压缩变换简介

在分析一个客观物体时，采集它当前状态的信息，是了解其工作状况最好的方式。通过传感器，记录其信息，得到的就是信号（一般均为时域信号）。时频分析技术(TFA)，通过加入频率变量，为我们分析时域信号，提供了更为全面的时频视角。但是，传统TFA是存在很多不足的。这里不再赘述。

相关文章谷歌搜索“Multi-synchrosqueezing Transform”即可。

目前，TFA的发展，是冲着两个目标。

一，时频谱具有高能量聚集性，直观地可以理解为高时频分辨率（也有些人，反对将聚集性等同为分辨率）。

二，信号能够被完美重构。（做到完美重构的话，可以使得该TFA技术用于信号去噪，模态分解等方面。）

传统TFA方法，比如，短时傅里叶变换（STFT），小波变换（WT），S变换等等，都是可以做到信号被完美重构的。但是，它们的能量聚集性特别差，时频谱发散严重。同步压缩变换（SST）的出现，就是在不影响信号重构性能的前提下，提高能量聚集性。但是，SST对噪声敏感，并且不适合处理强调频信号（遇到这两种情况，依然会发散严重）。上面的帖子中，介绍了一种叫同步提取变换（SET）的方法。相比于SST，时频聚集性&#