Statistical inference and time-frequency estimation for non-stationary signal classification
En signal är en fysisk kvantitet som varierar med någon oberoende variabel, t.ex. tid eller rum, som förmedlar information. En signal vars statistiska egenskaper är konstant i tid kallas stationär, medan signaler vars egenskaper varierar med tiden kallas icke-stationära, vilket är de vanligaste i naturen. Denna avhandling fokuserar på statistiska metoder för icke-stationära signaler. De applikatioThis thesis focuses on statistical methods for non-stationary signals. The methods considered or developed address problems of stochastic modeling, inference, spectral analysis, time-frequency analysis, and deep learning for classification. In all the contributions, an example of a biomedical application of the proposed method is provided, either to electroencephalography (EEG) data or to Heart Ra
