自适应傅里叶算法及其在生理信号分析中的应用｜SPP第171期

自适应傅里叶分解（Adaptive Fourier Decomposition, AFD）是由澳门科技大学钱涛教授提出的一种新型自适应信号分解算法。与传统方法采用预定义基函数不同，AFD以数据驱动方式，通过匹配追踪在Takenaka-Malmquist（TM）系统中自适应地搜索Blaschke乘积的最优参数，从而构建与信号特征高度匹配的分解基。该方法兼具能量快速收敛、数学表达严谨以及对时变信号的自适应性等优势。面向生理信号分析的实际需求，本研究改进了AFD的基搜索策略与目标函数，提出了多通道自适应傅里叶分解（Multi-channel AFD）。该方法首次实现了跨通道统一自适应分解基的构建，可对多通道信号进行整体自适应分解与瞬态时频分析。进一步地，针对稳态视觉诱发电位（Steady-state Visual Evoked Potential, SSVEP）的脑电特征，本研究提出了多相位MAFD（MAFD with Different Phases, DP-MAFD），创新性地实现了不同刺激目标间SSVEP信号的有效迁移。本次报告将系统介绍AFD及其衍生算法的基本原理，并重点展示它们在生理信号分析中的具体应用。欢迎关注本期SPP：4月29日（本周三）19:30–21:00。

本期直播你将收获哪些

1、了解自适应傅里叶分解（AFD）的核心原理，认识其与传统预定义基分解方法的本质区别，理解数据驱动自适应信号处理的基本范式；

2、了解AFD在生理信号处理中的具体应用，包括MAFD中多通道信号的整体自适应分解、基于MAFD的瞬态时频分析，以及跨目标SSVEP信号迁移等实际问题的解决方案；

3、通过MAFD和DP-MAFD的提出过程，体会如何针对具体应用场景（多通道生理信号、SSVEP脑电特征）优化算法策略与目标函数。

演讲嘉宾

王泽

澳门科技大学计算机科学与工程学院助理教授

王泽，澳门科技大学计算机科学与工程学院助理教授，分别于2014年、2017和2022年获得澳门大学电机及电脑工程专业的工程学士、理学硕士和哲学博士学位，主要研究方向是脑机接口中的人工智能识别算法和生物信号处理算法（谷歌学术总引用1030次，谷歌学术H因子16），先主持澳门FDCT研究课题3项以及国家自然科学基金青年基金项目1项，总计在IEEE TSP、CBM、IEEE TBME、IEEE TNSRE、JNE等多个信号处理、生物医学工程领域的优秀SCI期刊上发表相关论文23篇，其中以第一作者或通讯作者发表论文11篇。