- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
Python实现“EMDEEMDVMD+Hilbert时频图”与“CWT小波时频图”
Python实现“EMD\EEMD\VMD+Hilbert时频图”与“CWT小波时频图” 信号处理中常需要分析时域统计量、频率成分，但不平稳信号的时域波形往往复杂、无序，且傅里叶变换得到的频率成分是该时间段内的平均频率 由于网上只有CWT小波时频图的python代码，笔者自编了不同分解算法+Hilbert时频图的代码与其比较。 EMD分解所得IMF分量，可知分量1存在模态混叠现象： 时频图： b、EEMD分解+Hilbert时频图 EEMD分解所得IMF分量，可知分量1仍然存在模态混叠现象： 时频图，相比EMD，300Hz更加集中： c、VMD分解+Hilbert时频图 VMD分解所得IMF分量，默认模态个数设为10，可知基本能准确分出100、200、300Hz分量，但还存在端点效应 ： 时频图，频率成分更加集中，效果更好： 2、CWT小波时频图 连续小波时频图是转载自知乎文章 连续小波变换(CWT)时频图绘制 python实现 # -*- coding: utf-
5.7K40编辑于 2022-11-17 - 来自专栏用户4866861的专栏
5G信号技术用到的时频技术
所以才驱动了PTP1588对时协议用起来。用的时候它主要是在本地应用，所以中国联通没有把它做三级架构。 5G来了以后，也分了三种业务，一个是基本业务，就是刚才提到的三微秒那个需求。 未来如果有窄波聚合的需求，聚合不是主网的聚合，只是部分区域的，针对部分区域可以用NTP时间服务器，现在新的双频接收技术，通过卫星的两个频点去接收，这样来算对流层更精确一些，恢复的时间更精准一些。 在使用双模卫星作为参考时钟时，SYN2401型PTP精密主时钟跟踪UTC的精度优于100ns，可通过以太网提供百纳秒级的时间信号源。 随着无线技术的发展，同步肯定是越来越重要的。 单纯依赖GPS存在潜在的政治安全风险，同时针对5G超高精度的时间同步需求，当卫星失效时，基站的守时性能并不乐观，需考虑基于地面链路传递的1588V2技术，还有一些新的技术我们也要跟踪。
1K51发布于 2020-09-17 - 来自专栏全栈程序员必看
matlab 时频分析（短时傅里叶变换、STFT）「建议收藏」
短时傅里叶变换，short-time fourier transformation，有时也叫加窗傅里叶变换，时间窗口使得信号只在某一小区间内有效，这就避免了传统的傅里叶变换在时频局部表达能力上的不足，使得傅里叶变换有了局部定位的能力 time fourier transform spectrum') 2. cwt：连续小波变换 Time-Frequency Analysis of Modulated Signals 小波变换进一步拓展了时频局部分析的能力 tquad,f,'surf','CWT of Quadratic Chirp','Seconds','Hz') 这里选择的是 bump 型小波，选择该类型的原因在于，当信号震荡剧烈，且更关注信号局部瞬变的时频分析 helperCWTTimeFreqPlot(S,T,F,'surf','STFT of Quadratic Chirp','Seconds','Hz') 这里可以进一步对比 STFT（短时傅里叶变换）和 CWT（连续小波变换）在时频分析上的精细化刻画能力
3.1K10编辑于 2022-09-19 - 来自专栏云深之无迹
时频图：同时看时间和频率的分布地图
在这个里面，时域图的信息不好分析，会换到频域，如果时间长了就换成了时频图，其实就是“同时看时间和频率”的地图。 NG电机样品的时频图 普通频谱在看什么？ 时频图在看什么？ 时频图就是为了解决这个问题： 频率随时间是怎么变化的？ 这类图常见名字有： Spectrogram（谱图 / 频谱图）——实际上就是一种时频图 波形 → 短时傅里叶变换（STFT）→ → 时频图 背后的“滑动 FFT”（以 STFT 为例） 典型做法（短时傅里叶变换 ）： 把 或 画成彩色图，就是时频图。 时频图（谱图） 在时频图上，会看到： 时间 0 ~ 0.5 s 左右：在 100 Hz 附近有一条亮带 时间 0.5 ~ 1.0 s 左右：在 300 Hz 附近有一条亮带 中间会有一点过渡模糊，
67610编辑于 2026-01-07 秒表时间检定仪时频计量行业保驾护航
秒表检定仪也称为时间检定仪、毫秒表检定仪，是依据《JJG237-2010 秒表检定规程》和《JJG601-2022 时间检定仪检定规程》设计，用于计量电子秒表、机械秒表、指针式电秒表、数字毫秒表等常用计时表类以及近年来市面上代替秒表用的计时器时间的设备。
12400编辑于 2025-06-12- 来自专栏脑电信号科研科普
时频分析方法及其在EEG脑电中的应用
但是，本文献综述表明，脑电时频分析尚未被发展认知神经科学领域所广泛应用。 因此，本文从概念上介绍时频分析，为了让研究人员便于使用时频分析，还提供了一个可访问脚本教程，用于计算时频功率（信号强度）、试次间相位同步（信号一致性）和两种基于相位的连接类型（通道间相位同步和加权相位滞后指数 时频（TF）分析可以更好地表征EEG数据中包含的三个振荡特征的时间动力学:频率、功率和相位。 1 为什么要做时频分析 在从婴儿到成年的整个生命周期中，EEG可以在实验室和移动环境以相对低的成本收集，同时保持良好的时间分辨率，对运动和噪声具有相当强的鲁棒性。 为了改善这一问题，可以使用不同类型的时频分解，如Cohen类减少干扰分布，它在时间和频率上产生一致的高分辨率。 在进行TF分析时要考虑的另一个重要问题是振荡的性质。
2.3K20编辑于 2022-05-16 - 来自专栏算法工程师的学习日志
Matlab短时傅里叶变换和小波变换的时频分析
一段时间没写公众号，今天正好有个朋友发了一段语音，可以用来做信号分析，故分享一下MATLAB短时傅里叶变换和小波变换的时频分析 简介 本文主要给定一小段音频，通过短时傅里叶变换和小波变换制作时频图。 P---能量谱密度PSD(Power Spectral Density)，对于实信号，P是各段PSD的单边周期估计；对于复信号，当指定F频率向量时，P为双边PSD。 log10(abs(P))); set(gca,'YDir','normal') colorbar; xlabel('时间 t/s'); ylabel('频率 f/Hz'); title('短时傅里叶时频图 imagesc(t,f,abs(coefs)); set(gca,'YDir','normal') colorbar; xlabel('时间 t/s'); ylabel('频率 f/Hz'); title('小波时频图
2.6K30编辑于 2022-07-27 - 来自专栏腾讯云智能·AI公有云
产品动态 | 腾讯云AI 11月产品更新
11月，图像分析、人脸识别、自然语言处理NLP推出新功能。 11月人脸识别3.0版本正式对外发布，本次更新包括： 1. 新模型整体算法效果提升超过5%； 2. 支持“人员查重”功能，可实现“一人一档”能力； 3. 支持“跨年龄识别”； 4. 11月产品更新中，语音合成已正式商用。 高拟真度、灵活配置的语音合成产品，打通人机交互的闭环，让应用逼真发声！声音质量优秀，免费额度每月100万字符，超过后0.2元每万字符，物美价廉。 11月发布的新能力中，机器翻译支持通过 CAM 创建、管理和销毁用户(组)，并使用身份管理和策略管理控制其他用户使用腾讯云机器翻译的权限。 通俗来讲，就是为了支持父子账号功能，父账号对子账号使用机器翻译时进行授权和权限管理。 应用场景 网页翻译、国际办公、视频字幕、智能硬件。
4K42发布于 2019-12-06 - 来自专栏CPS推广奖励
SAAS产品11月推广合作
SAAS产品11月推广合作火热进行中！ 合作可扫码咨询（加v请备注：SAAS合作）图片11月限时SAAS产品合作推广包含以下产品：11月限时SAAS产品合作推广：含11月限时SAAS产品合作推广，包含但不限于以下产品：腾讯云mall：https
1.2K50编辑于 2022-11-09 - 来自专栏腾讯云中间件的专栏
腾讯云消息队列产品11月产品动态
11月动态 消息队列 RocketMQ 版 【新功能】支持调整节点规格和存储规格，如当前的集群规格不满足您的业务需求，可以在控制台上提升节点规格、节点数量和存储规格。 【新功能】查看消息增加消费状态说明：查询消息时，在消息详情页面可以查看消息消费状态，并且支持重新发送消息和查看异常诊断信息。 编辑时支持新增订阅的表。 【新功能】MySQL订阅支持正则匹配需要订阅的库。 【新功能】PostgreSQL订阅支持不同表的row-level changes数据分配到不同的 Topic。 ArchSummit 全球架构师峰会杭州站即将盛大开幕》 《PolarisMesh北极星 V1.11.3 版本发布》 《Spring Cloud Tencent 1.7 版本最新发布》 《腾讯云微服务引擎 TSE 产品动态
2.3K20编辑于 2022-12-06 - 来自专栏腾讯云可观测专栏
监控产品上新月报【11月】
云监控产品中心11月功能发布总览： [点击查看大图] 应用性能观测 APM 1. 支持客户端采样，减少上报成本和链路存储成本。 在访问量较大时，全链路数据上报可能会导致使用 APM 的成本较高。 当满足收敛阈值和收敛规则正则时，进行 URL 收敛；当满足排除规则正则的 URL 将不纳入 URL 收敛。 4.支持 JVM 告警。 当上报数据量达到阈值时，通过 邮件、短信、微信、电话等渠道通知您，避免上报量过高产生不必要的上报费用。 [点击查看大图] 2. 支持多种数据导出，包括日志数据、页面性能数据，异常数据等。 [点击查看大图] 联系我们 相关产品文章推荐： 主动发现问题，预先感知故障及用户体验（云拨测） 【重磅发布】应用性能观测（APM) 前端性能监控（RUM） CDN 服务质量监控最佳实践健康码（云拨测
88420编辑于 2021-12-09 多通道时间间隔测量模块在时频行业的重要性
时间间隔测量在科学研究、工程技术、日常生活等多个领域都具有重要的意义和作用，具体如下：
22100编辑于 2025-06-12- 来自专栏腾讯大讲堂的专栏
11月25日 北京产品经理大会
11月25日PMTalk再次携手腾讯大讲堂，一起相约在北京举办本次产品经理大会。 截止到现在，已经有超过100名产品经理报名，最后一周，门票有限，先到先得！ 2023北京产品经理大会 活动时间： 11月25日 10:00-17:00 活动地点： 北京市东城区 光明西街 德必光明WE 【腾讯大讲堂】专属赠票 报名入口 进活动群请扫码 （24号拉群） 01 大会内容 · 产品与数据安全设计 ▾ 构建AI产品 —— 针对AI产品，我们需要用户体验实践，但是构建AI产品，也不能规避用户体验视角的洞察。 唐继刚 以人工智能技术产品为例详解TO B运营方法论 可乐 大厂产品总监：B端用户画像的底层逻辑 ▾ 产品经理转型之路 —— 我们如何在未来利用产品经理的技能拓展职业发展？如何保值增值？ ：企业如何做用户增长 谢丽 15年产品专家：产品经理的修炼之路 ▾ 产品经理方法&IP打造 —— 多个产品案例case的负责人，有多个产品设计经验，整理和沉淀一套大家都需要的产品方法论， 闫佳盼
48910编辑于 2023-11-22 - 来自专栏时空探索之旅
ICDE 2024 | TFMAE: 基于时频掩码自编码器的对比时序异常检测
贡献（Contribution） 此文提出了一个基于对抗对比损失的时频掩码自编码器 Temporal-Frequency Masked Autoencoders (TFMAE) 网络进行时序异常检测。 此文不仅通过对真实世界数据集的实验验证了所提出方法的有效性与高效性，而且还揭示了时频域最佳掩码比率。 这是因为，即使是未见样本，相同时间序列基于时频掩码的表示也会根据其时频一致性从而保持一致。此外，与使用正负对的经典对比学习不同，此文仅使用正样本，以尽量降低时频掩码间差异。 Anomaly Detection 在对比设计中，时频掩码表示之间的差异大小直接对应于异常的可能性。因此，此文在推理阶段采用对比差异作为异常分数。 时间点 的分数可以计算如下： 最终，根据异常分数和预定阈值 评估观察结果，即当分数超过阈值时即检测到异常。
1.9K10编辑于 2024-12-25 - 来自专栏日志服务CLS
2020年11月产品动态速览
功能名称 发布日期 1.CLS助力容器服务（事件&审计中心） 2020-11-27 2.自动配置索引 2020-11-13 3.采集路径支持黑名单 2020-11-27 4.SQL统计分析全量开放 2020-11-13 5.投递云函数SCF 2020-11-20 6.其他bug修复 2020-11-27 1. 自动配置索引 索引配置是使用日志服务进行检索分析的必要条件，不同的索引配置规则决定了在进行日志检索及日志分析时的表现效果。 采集路径黑名单 日志采集客户端Loglistener支持配置采集路径黑名单，用户可以指定采集时忽略指定的目录和文件 [7d2b274a14e424ebcb3257eae411530b.png] 4.
69570发布于 2020-12-04 - 来自专栏数据智能小站
产品动态 | 腾讯云NLP 11月最新动态
AI.jpg 11月，腾讯云AI中心下的腾讯知文NLP产品推出了新功能。
1.9K30发布于 2019-12-06 - 来自专栏科学最Top
傅里叶基映射：一种用于时间序列预测的时频学习框架
本文提出傅里叶基映射（FBM），FBM 通过傅里叶基展开和时频空间映射整合时频特征，提取明确的频率特征同时保留时间特性，支持与多种神经网络 “即插即用” 集成，只需调整首个初始投影层即可提升性能。 傅里叶基函数具有时间依赖性，缺少基函数会让模型难以准确解释频率成分，而基函数能帮助解决这些问题，使模型更精准地捕捉时频关系。 FBM则同时在时频空间中运行，其映射过程聚焦于时频特征。 下游映射基于时频空间而非单一的时间或频率空间进行预测，因基函数融入了时间域信息，解决了此前频率域中的映射问题。 同时，引入了一系列适配时频特征的技术，包括基于时频特征时间片段的分块处理，初始投影前后的中心化与逆中心化（用于优化特征分布），以及结合平均核和求和核的多尺度下采样（提升对不同粒度数据的适应性）。
48810编辑于 2025-07-27 标准时间间隔发生器：高精度时频计量的“基准标尺”
时间间隔发生器作为时频计量领域的“基准标尺”，它通过生成可溯源、高稳定的时间间隔信号，为各类设备的精度校准与性能验证提供了不可或缺的技术支撑。 本文将从技术原理、核心特性、行业应用及发展趋势四个维度，全面解析这一高精度时频设备的价值与魅力。 时频计量与校准是其最核心的应用领域。 例如，校准数字存储示波器的时间间隔测量功能时，发生器输出100ns间隔的标准方波，示波器采集波形后读取间隔值，若实测值与标准值的偏差在±1%以内，则判定示波器合格。 例如，某型号导弹的制导系统要求时间间隔测量误差小于±10ns，测试时需选用铷原子钟基准的发生器，确保信号的高稳定性和低抖动。科研实验中，发生器为精密测量提供时序支撑。
22010编辑于 2025-10-24- 来自专栏AntDB数据库
同频共振数据时代，AntDB数据库与永洪科技完成产品互认证
面向数据分析市场的新产品、新技术、新服务、新业态正在不断涌现，大数据技术也将渗透到每个复杂计算的应用领域。 结果表明，AntDB数据库与永洪Z-Suite V9.4兼容性良好、运行稳定、性能卓越，二者顺利通过兼容性测试，完成产品互认证。 AntDB数据库作为国内最早一批独立研发的通用性、企业级数据库产品之一，为全国24个省份的10亿多用户提供实时在线服务，已在通信运营商核心系统持续稳定运行多年，并在金融、交通、能源、公共服务等多个行业商用落地 其“自服务、高性能、极致易用”的产品优势，极大降低了实施、集成、培训的成本，帮助企业轻松构建数据应用，释放数据价值。 未来，AntDB数据库将持续加强自主产品研发与技术创新，携手更多合作伙伴积极开展国产兼容性适配工作，为更多企业的数字化升级提供稳固的基础设施，锻造产业蓬勃发展新引擎。
56940编辑于 2022-09-09 - 来自专栏腾讯技术工程官方号的专栏
决战9小时，产品上线的危机时刻
腾讯安全大禹DDoS防护产品应用了腾讯安全平台部自主研发的宙斯盾系统，是一套集对DDoS攻击的检测和防御于一身的网络层DDoS攻击防御解决方案，安全性和可靠性经过了充分的实战检验。 用户一旦接入，就能享受到王者荣耀等产品同等的防护效果。 屈服或着抵抗，千钧一发之际，企业应该怎么做？ 产品上线前夕，面临生死抉择 X先生是国内知名游戏公司的负责人。 随着产业互联网时代企业面临的信息安全挑战越来越严峻，腾讯决定将宙斯盾多年DDoS防护能力对外输出，打造了新一代腾讯安全DDoS防护产品——大禹。 抗击九小时：大禹赢得了这场战争！ X先生的勇敢说不，引来了ACCN团队的报复。约定交赎金的期限一过，ACCN攻击小组的DDoS攻击如期而至。 在收到ACCN攻击小组的威胁信后，团队根据自身掌握的该团伙历史攻击手法、资源、攻击规模等威胁情报，结合X公司业务特性，第一时间定制了防护方案。
2.3K10发布于 2019-06-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号