本文探讨了基于 constant-Q 转换（CQT）的短时语音情感识别（SER），使用 CQT 的低频分辨率优于标准短时傅里叶变换（STFT）的高频分辨率，经过比较分析，使用深度神经网络（DNN）作为后端分类器对基于 STFT 和 CQT 的短期声学特征进行了参数优化和实验，结果表明使用 CQT 的特征优于 STFT 的光谱特征，并且交叉语料库评估实验表明使用 CQT 的系统对于域外训练数据具有更好的泛化能力。

Feb, 2021

该研究论文介绍了如何将时间频率分析和非负矩阵分解结合为具有非静止先验的谱混合高斯过程模型，以及如何将该非线性模型的状态空间表示形式化为无限时域高斯过程回归，并演示了该推理方案在各种任务上的优越性。

Jan, 2019

本文提出了可学习的自适应内容前端用于音频信号处理，通过卷积神经网络学习基础函数和权重优化特定任务，同时提出了一种计算内容自适应可学习时频表示的方法，实现了学习有限冲激响应滤波器组，并根据输入信号的内容通过最优滤波器组传递输出信号。

Mar, 2023

本文提出一种基于 Jacobi 特征值算法的贪心近似对图拉普拉斯矩阵进行对角化的方法，从而获得可快速应用和高效存储的近似图傅里叶变换，并在合成和真实图中的应用展示其潜力。

Dec, 2016

本文介绍一种基于单个信号变换的频域学习模型，通过方差保持初始化方法和频率选择技术，可以简化模型设计，从而在各种动态系统的学习中获得更高的测试性能和更少的计算成本。

Nov, 2022

本文提出了一种基于非均匀傅里叶变换（NUFT）的新方法，用于直接、最优地对定义在单纯形网格上的不同拓扑结构的非均匀数据信号进行采样，从而将信号转换到频谱域中，并利用卷积神经网络进行信号分析，从而实现 3D 形状检索和点云到曲面重建等任务。

Jan, 2019

本文给出紧波束框架在非平坦领域中在连续和离散设置中的构造特征，讨论了如何快速计算这些波束框架，并将其应用于图形数据处理。作者提出了一种快速稀疏表示算法 WFTG，并给出了其在图形数据去噪和半监督聚类中的应用。作者的实验结果表明，WFTG 在图形处理中的性能优越。

Nov, 2014

通过计算基于小波卷积和模量非线性的联合时频散射变换，作者提出了一种具有时间平移不变性的信号表示方法，并且通过应用于鸣号信号和音频综合实验，证明了其适用于时序分类问题，并且在音频分类任务中获得了与全连接网络可比的高准确率。

Jul, 2018

基于频率导向变换的端到端图像压缩模型能够提高图像压缩性能并保持语义相容性。

Jan, 2024

本文结合 Mallat 的散射变换框架和时频 (Gabor) 表征，提出一种特征提取器的构建方法，并证明该方法满足传统的散射变换属性。同时，引入快速傅里叶散射变换算法，并发展了相应的时频覆盖技术，以便更好地分析散射变换。

Jun, 2016