The spectral analysis techniques de

The spectral analysis techniques developed thus far represent powerful signal processing tools if one is not especially concerned with signal timing. Classical or modern spectral methods provide a complete and appropriate solution for waveforms that are stationary; that is, waveforms that do not change in their basic properties over the length of the analysis (strictly speaking, that do not change in their statistical properties). Yet many waveforms—particularly those of biological origin–are not stationary, and change substantially in their proper- ties over time. For example, the EEG signal changes considerably depending on various internal states of the subject: i.e., meditation, sleep, eyes closed. More- over, it is these changes with time that are often of primary interest. Fourier analysis provides a good description of the frequencies in a waveform, but not their timing. The Fourier transform “of a musical passage tells us what notes are played, but it is extremely different to figure out when they are played” (Hubbard, 1998). Such information must be embedded in the frequency spec- trum since the Fourier transform is bilateral, and the musical passage can be uniquely reconstructed using the inverse Fourier transform. However, timing is encoded in the phase portion of the transform, and this encoding is difficult to interpret and recover. In the Fourier transform, specific events in time are dis- tributed across all of the phase components. In essence, a local feature in time has been transformed into a global feature in phase.

Kết quả (Việt) 1:

Các kỹ thuật phân tích quang phổ phát triển như vậy đến nay đại diện cho xử lý công cụ nếu một trong những không phải là đặc biệt quan tâm với tín hiệu thời gian tín hiệu mạnh mẽ. Phương pháp quang phổ cổ điển hoặc hiện đại cung cấp một giải pháp hoàn chỉnh và thích hợp cho waveforms được văn phòng phẩm; waveforms có nghĩa là, mà không thay đổi tính chất cơ bản của họ trên chiều dài của phân tích (nói đúng ra, mà không thay đổi trong thống kê tài sản của họ). Tuy nhiên, nhiều waveforms — đặc biệt là những người trong sinh học nguồn gốc-là không cố định, và sự thay đổi đáng kể trong các mối quan hệ thích hợp theo thời gian. Ví dụ, các tín hiệu EEG thay đổi đáng kể tùy thuộc vào kỳ nội bộ khác nhau của các đối tượng: ví dụ, thiền định, giấc ngủ, nhắm mắt lại. More-over, nó là những thay đổi với thời gian thường xuyên quan tâm chính. Fourier phân tích cung cấp một mô tả tốt của tần số trong một dạng sóng, nhưng không phải là của thời gian. Biến đổi Fourier "của âm nhạc một đoạn văn nói với chúng tôi những gì ghi chép được chơi, nhưng nó là rất khác nhau để tìm ra khi họ được chơi" (Hubbard, 1998). Thông tin như vậy phải được nhúng trong tần số spec-trum vì biến đổi Fourier là song phương, và thông qua âm nhạc có thể được độc đáo xây dựng lại bằng cách sử dụng biến đổi Fourier nghịch đảo. Tuy nhiên, thời gian được mã hóa trong phần giai đoạn của sự biến đổi, và mã hóa này rất khó để giải thích và phục hồi. Trong biến đổi Fourier, các sự kiện cụ thể trong thời gian có dis-tributed trên tất cả các thành phần pha. Về bản chất, một tính năng địa phương trong thời gian đã được chuyển thành một tính năng toàn cầu trong giai đoạn.

Kết quả (Việt) 2:

Các kỹ thuật phân tích quang phổ phát triển cho đến nay đại diện cho các công cụ xử lý tín hiệu mạnh mẽ nếu không phải là đặc biệt quan tâm đến thời gian tín hiệu. phương pháp quang phổ cổ điển hay hiện đại cung cấp một giải pháp hoàn chỉnh và thích hợp cho dạng sóng đó là văn phòng phẩm; đó là, dạng sóng mà không làm thay đổi các tính chất cơ bản của họ trên độ dài của các phân tích (nói đúng, mà không thay đổi trong tính chất thống kê của họ). Tuy nhiên, nhiều dạng sóng, đặc biệt là những người sinh học có nguồn gốc, không phải là văn phòng phẩm, và thay đổi đáng kể trong quan hệ proper- của họ theo thời gian. Ví dụ, thay đổi tín hiệu điện não đồ, tùy thuộc vào các quốc gia khác nhau bên trong của đối tượng: ví dụ, thiền, ngủ, mắt nhắm lại. Hơn nữa, đó là những thay đổi với thời gian đó thường có mối quan tâm chính. phân tích Fourier cung cấp một mô tả tốt của các tần số trong một dạng sóng, nhưng không phải thời gian của họ. Những biến đổi Fourier "một đoạn nhạc cho chúng ta biết những gì ghi chú được chơi, nhưng nó là vô cùng khác nhau để tìm ra khi họ được chơi" (Hubbard, 1998). Các thông tin này phải được nhúng trong trum tần số bằng quang phổ từ biến đổi Fourier là song phương, và các đoạn âm nhạc có thể được tái tạo duy nhất bằng cách sử dụng Biến đổi Fourier ngược. Tuy nhiên, thời gian được mã hóa trong phần pha của biến đổi và mã hóa này là khó khăn để giải thích và phục hồi. Trong biến đổi Fourier, các sự kiện cụ thể trong thời gian đang thảo tributed trên tất cả các thành phần giai đoạn. Về bản chất, một tính năng của địa phương trong thời gian đã được chuyển thành một tính năng toàn cầu trong giai đoạn.