qq_38341276的博客

简单的周期信号，使用傅里叶级数变换，得到离散的频率谱（离散的频率谱均是信号频率的整数倍）；非周期信号，使用傅里叶变换，得到连续的频率谱（非周期信号，近似可看作由无数种周期信号叠加形成，每一个变换后都形成对应的整数倍离散频率谱，无数种不同离散频率谱叠加，就是频域上的连续谱）。时域上的复杂，在频域上也许很规律，即使复杂如交响乐，也是1~7不同调子（蝌蚪文）的组合，并且有规律，即曲谱。对于理工科，频域变换，最大的作用就是把时域上复杂的微分方程转为频域上多项式，极大地方便离散求解。，操作真实的时域信号（确知信号）

当然，通常设置NFFT为大于每一段的点数的最小2次幂，这样可以得到最高的频域分辨率。由于实际信号通常是非定常的，我们只能假设其在10ms的时间段内是定常的，并在此基础上对短的定常信号求PSD或者能谱。窗函数的作用就是将原始的信号分割成一段段可以计算PSD和能谱的短信号，并且保证了周期结构的连续性、避免了能量泄漏（原因解释）。采用了窗函数后，窗口两侧位置的信息就会减少（因为窗函数两端为零值），这就需要滑动窗口的位置来解决，也就是说窗口重叠（overlapping）的作用就是使得对分割后信号的分析更可靠。

fig图提取数据

使用深度学习进行三维脑肿瘤分割平台：根MATLAB官网案例改编：https://ww2.mathworks.cn/help/deeplearning/ug/segment-3d-brain-tumor-using-deep-learning.html?s_tid=srchtitle#Segment3DBrainTumorUsingDeepLearningExample-1View MATLAB CommandopenExample(‘deeplearning_shared/Segment3DBr