前段时间，我似乎记得听或读过一个音频实验，其中一种乐器 (A) 的非常短的初始瞬态被拼接在另一种乐器 (B) 更长的稳态或持续声音之前。据报道，在这个实验中，人类听众在听到这些复合声音时，能够以一定的可靠性识别或听到第一个乐器 (A)，即使最初的瞬态或起音只是演奏的整个音符的一小部分。（有人对这项研究有参考吗？）

如果以上是正确的，那么在稳态周期性或平稳性之前，仅对乐器音符的初始瞬态进行哪种类型的信号处理分析可以尝试进行乐器识别或分离？