题  目：Data Driven Time-Frequency Analysis

内容简介：In this talk, we review some recent progress on our data-driven time-frequency analysis method for studying trend and instantaneous frequency of nonlinear and non-stationary data. This method is inspired by the Empirical Mode Decomposition method (EMD) and the recently developed compressed (compressive) sensing theory. The main idea is to look for the sparsest representation of multiscale data within the largest possible dictionary consisting of intrinsic mode functions. This problem can be formulated as a nonlinear optimization problem. In order to solve this optimization problem, we propose a nonlinear matching pursuit method by generalizing the classical matching pursuit. One important advantage of this nonlinear matching pursuit method is it can be implemented very efficiently and is very stable to noise. Further, we provide a convergence analysis of our nonlinear matching pursuit method under certain scale separation assumptions. Extensive numerical examples will be given to demonstrate the robustness of our method and comparison will be made with the EMD/EEMD method. We also apply our method to study data without scale separation, data with intra-wave frequency modulation, and data with incomplete or under-sampled data.

报告人：美国加州理工学院应用和计算数学系系主任  侯一钊  教授

报告人简介：侯一钊教授，美国科学院院士，应用数学家。现任美国加州理工学院应用和计算数学系系主任。曾获多项国际学术奖，研究成果卓著。主攻领域是计算流体力学，因其在应用偏微分方程、科学计算与数值分析上的创新研究而获得“晨兴数学奖”。2011年，当选为美国艺术与科学院院士。

时  间：2015年3月23日（周一）下午3：00始

地  点：行政楼1111会议室

热烈欢迎广大师生参加!

信息科学技术学院

2015年3月20日